Feature Scaling - Standardization(표준화) / Normalization(정규화)

Feature Scaling : 서로 다른 변수의 값 범위를 일정한 수준으로 맞추는 작업

- 표준화와 정규화가 있다.

 

 

표준화 (Standardization) : 데이터의 피처 각각이 평균이 0이고 분산이 1인 가우시안 정규 분포를

                                  가진 값으로 변환하는 것

표준 정규분포 Z는 변수 X에서 평균을 뺀 값에 표준편차로 나누어 주는 것을 말한다.

 

 

 

정규화 (Normalization) : 서로 다른 Feature의 크기를 통일하기 위해 크기를 변환

                                모두 최소 0 , 최대 1의 값으로 변환하는 것 -> 동일한 크기 단위로 변수 비교하기 위해

 

기존 변수 X에서 X의 최소값을 뺀 값을 feature X의 최대값과 최소값의 차이로 나눈 값으로 변환된다.

---

StandardScaler

: 표준화를 지원하기 위한 클래스, 평균이 0과 표준편차가 1이 되도록 변환.

  모든 특성들이 같은 스케일을 가지게 된다.

 

MinMaxScaler  

: 데이터 값을 0과 1사이의 범위 값으로 변환 (음수 존재 시, -1 ~ 1fh qusghks)

  -> 분포가 가우시안 분포가 아닌 경우에 MinMaxScaler 사용할 수 있다.