스케일링 (Scaling) • 데이터의 값이 | 커리어리

스케일링 (Scaling) • 데이터의 값이 너무 크거나 혹은 작은 경우에 모델 알고리즘 학습과정에서 0으로 수렴하거나 무한으로 발산해 버릴 수 있는 것을 방지하거나, 예측 값이 범위를 벗어나는 입력데이터의 값에 더 큰 영향을 받는 것을 방지합니다. • 스케일링을 통해 다타원의 값들을 비교 분석하기 쉽게 만들어 줍니다. • 자료의 overflow나 underflow를 방지하고 최적화 과정에서 안정성 및 수렴 속도를 향상시킵니다. + 분석할 때 자주 쓰지만 개인적으로는 생각이 부족했던 스케일링의 종류와 각 방법의 장단점, 파이썬 코드 예제가 있는 내용입니다. 잘 정리되어 있는 것 같아 기본 개념을 정리하는데 도움이 될 것 같아 공유 드립니다.

[케라스] 무작정 튜토리얼12 - Scikit-learn의 Scaler

Dev Log : 삶은 확률의 구름

2021년 4월 13일 오전 8:30

댓글 0

함께 보면 더 좋은

구글, 편견 없애는 익명 코드리뷰 권고 +꼭 인종이나 성별이 아니더라도 직장에서 누구라고 하면 편견이 있죠. 익명으로 코드리뷰를 할때 기명으로 코드리뷰 할 때에 비해 반대 의견의 격차가 줄어들었다는 내용은 우리에게도 적용할 점들을 보여줍니다.

구글, 편견 없애는 익명 코드리뷰 권고

Naver

추천 프로필

현직자에게 업계 주요 소식을 받아보세요.

현직자들의 '진짜 인사이트'가 담긴 업계 주요 소식을 받아보세요.

커리어리 | 일잘러들의 커리어 SNS