feature Scaling
표준화와 정규화 소개
Last updated
표준화와 정규화 소개
Last updated
데이터 피쳐값이 평균이 0 ,분산이 1인 가우시안 정규분포를 이루는 값으로 변환하는 것으로 대표적인 class로는 Standardscaler 가 있다.
from sklearn.datasets
import load_iris import pandas as pd
iris =load_iris()
iris_data= iris.data
data=pd.DataFrame(data=iris_data, columns=iris.feature_names)
print(data.shape)
data.info()
data.head()
print(data.mean())
print('-----------------------------')
print(data.var())
from sklearn.preprocessing import StandardScaler
standard = StandardScaler()
can = standard.fit(data)
iris_standard = can.transform(data)
iris_standard = pd.DataFrame(data=iris_standard, columns=iris.feature_names) iris_standard.head()
print(iris_standard.mean())
print('-----------------------------')
print(iris_standard.var())
서로 다른 피처의 크기를 통일하고자, 데이터 크기를 0과 1사이의 범위로 변환(음수가 포함한 경우 -1에서 1사이의 )한다. 대표적인 class로 MinMaxScalar가 있다.
from sklearn.preprocessing import MinMaxScaler #정규화모듈불러오
minmaxsc = MinMaxScaler()
can = minmaxsc.fit(data) #틀생성
iris_standard = can.transform(data) #정규화 변환적
iris_standard = pd.DataFrame(data=iris_standard, columns=iris.feature_names)#데이터프레임변환
iris_standard.head()
print(iris_standard.min()) #최
print('---------------------------------')
print(iris_standard.max()) #최
