끄적이는 기록일지

[머신러닝] 1.자료형태_(3) 수치형 자료 [머신러닝] 1.자료형태_(2) 범주형 자료 [머신러닝] 1.자료형태_(1) * 머신러닝 : 데이터 자료를 바탕으로 수행하는 분석방식 → 자료의 형태를 파악하는 것은 머신러닝의 필수 과정이라 할 수 있습 kcy51156.tistory.com 지난 글에서 수치형 자료에 대해 알아보았습니다. 이번 시간에는 수치형 자료를 어떻게 하면 더 좋은 데이터를 만들 수 있는지에 대해 알아보겠습니다. 1. 수치형 자료 - 크기를 갖는 수치형 값으로 이루어진 데이터 - 바로 사용이 가능하나 모델 성능을 높이기 위해서 데이터 변환이 필요 2. 수치형 자료 변환 방식 1) 스케일링(Scaling): 정규화, 표준화 - 변수 값의 범위 및 크기를 변환하는 방식 - 변수 간의 범위 차..

[머신러닝] 1.자료형태_(2) 범주형 자료 [머신러닝] 1.자료형태_(1) * 머신러닝 : 데이터 자료를 바탕으로 수행하는 분석방식 → 자료의 형태를 파악하는 것은 머신러닝의 필수 과정이라 할 수 있습니다. 1. 자료형태 ① 수치형 자료(Numeric kcy51156.tistory.com 지난 시간 범주형 자료가 무엇인지에 대해 알아보았습니다. 이제 범주형 자료를 머신러닝이 사용할 수 있는 자료로 전 처리 해주는 과정을 배워보겠습니다. 1. 범주형 자료 아래 예시는 타이타닉 생존자 데이터 변수와 설명입니다. - 범주형 데이터: 몇 개의 범주로 나누어진 자료(명목형, 순서형 자료) * 명목형 자료: 순서 의미X(ex 혈액형) 순서형 자료: 순서 의미O(ex 성적) 2) 범주형 자료 변환 방식 ① 명목형 ..

데이터 전처리를 배우기 전 간단하게 머신러닝 과정을 보겠습니다. ① 데이터 수집: 크롤링, DB데이터를 통하여 데이터 수집 ② 데이터 분석 및 전 처리: 수집한 데이터를 분석하고 머신러닝에 사용할 형태로 전 처리 ③ 머신러닝 학습: 머신러닝 모델을 사용하여 데이터 학습 ④ 머신러닝 평가: 학습된 머신러닝 모델을 평가용 데이터를 사용하여 평가 1. 데이터 전 처리하는 이유 1) 데이터 변환 - 실제 데이터는 이미지, 자연어, 범주형, 시계열 데이터 등 다양한 형태로 존재(실제 데이터는 머신러닝 모델이 이해X) → 다양한 형태의 데이터를 수치형 데이터로 변환해야 사용가능 - 대부분은 머신러닝 모델은 숫자 데이터를 입력 받음 2) 데이터 정제 - 전 처리를 통하여 데이터의 결측값 및 이상치를 처리 3) 데이터..