Feature Scaling

Feature Scaling은 특징 값의 범위를 균일하게 맞춰주는 작업입니다.

집값 분석에서 몇개의 특징을 살펴보면,

두 특징값의 범위가 너무 크게 차이가 나다보니 이런 고민이 생기기 시작합니다.

우리가 scikit-learn으로 학습을 시작하면, 모델이 거주면적과 집 층수를 같은 비중으로 생각하고 학습할까요?

모델에 따라 다르지만, 일반적으로 특징의 범위가 크게 다르면 모델은 각 특징의 중요성을 오인하기 마련입니다.

StandardScaler 적용하기

함께실습$1

feature scaling 적용하기

함께실습$2

feature scaling 적용된 결과 살펴보기

Polynomial Regression

함께실습$3

Linear Regression with Feature Scaling

함께실습$4

Polynomial Regression with Feature Scaling

생각해보기1 “feature scaling하지 않았을 때보다 성능이 증가했나요?” 생각해보기2 “-(음수) score가 나오는 이유는 무엇일까요?”

미션$1

polynomial features가 3인 Polynomial Regression 모델을 만들어주세요.

함께실습$5

Ridge - PolynomialFeatures(2)

미션$2

Ridge - PolynomialFeatures(3)

생각해보기 “alpha값은 어떻게 정해야 할까요?”

함께실습$6

Decision Tree Regressor

함께실습$7

여러 모델을 그래프로 표현하기