Peter

데이터 분석가 / 데이터 PO

팔로우

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