Max Abs Scaling
데이터의 절대값이 가장 큰 범위에 맞춰서 scaling을 하는 기법이에요. 주로 sparse data에 적합하고, 원본 데이터의 분포를 유지해요. 각 feature는 -1과 1 사이로 변환돼요.
Normalization
정규화
6개 레벨
Normalization은 데이터의 범위를 조정하여 모델의 학습 성능을 향상시키는 방법이에요. 주로 정규화와 표준화를 통해 이루어져요. 이를 통해 각 특성이 동일한 척도로 작용하게 되어 최적의 결과를 도출할 수 있어요.
정규화 스킬 여정을 시작하세요
6개의 레벨을 통해 체계적으로 학습하고, 커리어 성장의 기반을 다지세요.
6 레벨 로드맵
단계별 역량 인증
학습 로드맵
6개 레벨
전체 6
하위주제 (3)
Min-Max Normalization
데이터의 범위를 0과 1 사이로 조정해요. 각 데이터 포인트에서 최솟값을 빼고, 최댓값과 최솟값의 차로 나누어요. 이를 통해 데이터 비교를 용이하게 해주는 방법이에요.
Z-Score Normalization
데이터의 평균을 0, 표준편차를 1로 변환하는 방법이에요. 이를 통해 서로 다른 데이터의 비교가 용이해져요. 주로 머신러닝에서 유용하게 사용된답니다.
