기계 학습의 전처리 이해: 종합 가이드

전처리는 모델을 훈련하기 전에 데이터를 정리하고 준비하는 기계 학습의 한 단계입니다. 여기에는

1과 같은 작업이 포함됩니다. 누락된 값 처리: 데이터세트에서 누락된 값을 대체하거나 제거합니다.
2. 데이터 정규화: 특정 기능에 대한 편향을 방지하기 위해 숫자 기능을 공통 범위로 확장합니다.
3. 특징 선택: 사용 가능한 모든 특징을 사용하는 대신 모델에 사용할 관련 특징의 하위 집합을 선택합니다.
4. 데이터 변환: 원-핫 인코딩 또는 라벨 인코딩과 같은 기술을 사용하여 범주형 기능을 숫자 기능으로 변환합니다.
5. 이상치 제거: 나머지 데이터와 상당히 다른 데이터 포인트를 제거하여 모델 성능을 향상시킬 수 있습니다.
6. 불균형 데이터 세트 처리: 한 클래스가 다른 클래스보다 훨씬 더 많은 수의 인스턴스를 갖는 데이터 세트의 클래스 불균형을 처리합니다.
7. 잡음이 있는 데이터 처리: 데이터를 정리하여 모델 성능에 영향을 줄 수 있는 잡음 및 이상값을 제거합니다.
8. 기능 엔지니어링: 기존 기능에서 새로운 기능을 생성하여 모델 성능을 향상합니다. 모델.