AI 개발을 위한 데이터 분석 및 시각화 14-3
- 1 - 평가하기
1. 범주형 피처를 컴퓨터가 이해할 수 있는 형태로 바꿔주는 것은?
➀ add_subplot
➁ One-Hot Encoding
➂ difference
➃ mean - 정답 : ②번
해설 : 연속형 피처는 컴퓨터가 계산할 수 있지만 범주형 피처는 컴퓨터가 계산 할 수 없어 이를 컴퓨터가 이해할 수 있는 형태로 바꿔주는 것입니다.
2. 피처들의 단위를 0~1 사이, 혹은 상대적 값을 표현할 수 있는 수치로 맞춰주는 것을 무엇이라하는가?
14. 미래를 예측하는 데이터 분석 3강. 예측 모델 평가하기
학습내용 - 피처 스케일링
- 원-핫 인코딩(One-Hot Encoding) - 피처들의 상관 관계 시각화하기 학습목표
- 피처들의 단위 맞추기 위한 피처 스케일링 방법을 적용할 수 있다.
- 원-핫 인코딩을 사용하여 범주형 피처의 단위를 정규화 할 수 있다.
- heatmap 방식의 시각화를 이용하여 피처들의 상관 관계를 설명할 수 있다.
1. 실습) 예측 모델 평가하기
1) 피처들의 단위 맞춰주기 : 피처 스케일링
2) 원-핫 인코딩(One-Hot Encoding) 을 이용하여 범주형 피처를 컴퓨터가 이해할 수 있는 형태로 표현
3) heatmap 방식의 시각화를 통해 피처들의 상관 관계 분석하기
AI 개발을 위한 데이터 분석 및 시각화 14-3
- 2 -
➀ 표준 인코딩
➁ 피처 스케일링
➂ 행렬 분해
➃ 분류 모델 - 정답 : ②번
해설 : 피처의 정규화는 좁은 의미로 피처 스케일링을 의미하며 피처들의 단위를 0~1사이, 혹은 상대적 값을 표현할 수 있는 수치로 맞춰주는 것이 피처 스케일 링입니다.
학습정리
1. 예측 모델 평가하기
- 피처들의 단위 맞추기 – 피처 스케일링 - 원-핫 인코딩 사용하기
- heatmap 방식의 시각화를 활용하여 피처들의 상관 관계 분석하기
다음 주 예고
“15. 기말평가” 에 대해 학습하겠습니다.
