특성 별로 데이터의 스케일이 다르면 특성의 범위(또는 분포) 같게 만들어주는 방법

주로 사용되는 스케일링

• Standardization (표준화)
  • 특성들의 평균을 0, 분산을 1로 스케일링하는 것
• Normalization (정규화)
  • 특성들을 특정 범위(주로 [0, 1]) 스케일링 하는 것
  • 가장 작은 값은 0, 가장 큰 값은 1로 변환, 모든 특성들은 [0, 1]범위를 갖게 된다.

스케일링 사용 시 주의사항

• scaler는 fit과 transform method 보유
• fit method → 학습, transform method → 스케일 조정
• 훈련 데이터에는 fit_transform() method, 테스트 데이터에는 transform() method 적용

StandardScaler()

• 특성들의 평균 0, 분산을 1로 스케일링

  → 특성들을 정규분포로 만드는 것

• 최솟값과 최댓값의 크기를 제한하지 않음, Outlier에 매우 민감

• 회귀보다는 분류에 유용

MinMaxScaler()

• 특성들을 특정 범위(주로[0, 1]) 스케일링
  • 가장 작은 값은 0, 가장 큰 값은 1로 변환, 모든 특성들은 [0, 1]범위를 갖게 됨
• Outlier 에 매우 민감
• 분류보다 회귀에 유용

MaxAbsScaler()

• 각 특성의 절대값이 0과 1 사이가 되도록 스케일링