| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | |||
| 5 | 6 | 7 | 8 | 9 | 10 | 11 |
| 12 | 13 | 14 | 15 | 16 | 17 | 18 |
| 19 | 20 | 21 | 22 | 23 | 24 | 25 |
| 26 | 27 | 28 | 29 | 30 | 31 |
Tags
- lambda
- SQL
- 태블로
- 머신러닝
- 데이터분석
- 팀프로젝트
- pandas
- 히트맵
- jd
- SQLD
- 기초프로젝트
- da
- 기초통계
- Python
- 시각화
- If
- streamlit
- GA4
- 군집화
- cross join
- 최종 프로젝트
- 프롬프트 엔지니어링
- 서브쿼리
- 프로젝트
- Chat GPT
- 데이터 분석
- 전처리
- data analyst
- 크롤링
- 클러스터링
Archives
- Today
- Total
목록스케일링 (5)
세조목
머신러닝 - 전처리(인코딩, 스케일링)(24.02.01)
전처리(인코딩 & 스케일링) 인코딩이란 모델이 처리하기 쉬운 값으로 기존 값을 바꾸는 것을 의미한다. 범주형 데이터(Encoding) 레이블 인코딩(Label Encoding) One-Hot Encoding 수치형 데이터(Scaling) 표준화(Standardization) 정규화(Normalization) 로버스트 스케일링(Robus Scaling) 범주형 데이터(Encoding) 레이블 인코딩(Lable Encoding) One-Hot Encoding 1. 레이블 인코딩(Label Encoding) 먼저 레이블 인코딩이다. 레이블 인코딩은 간단하게 기존값을 '수치형'으로 변환시켜줘서 모델이 처리하기 쉽게 만들 수 있다. 다만 변경된 값의 순서간 크기에 의미가 부여되어 모델이 잘못 해석할 여지가 있다는..
데이터 분석 공부/머신러닝
2024. 2. 1. 21:01