데이터 스케일링

Python으로 배우는 Machine Learning 전처리

James Chapman

Curriculum Manager, DataCamp

피처 스케일링이란?

서로 다른 스케일의 피처
선형 특성을 가진 모델
피처를 $0$ 중심으로 이동하고 분산을 $1$로 변환
근사 정규 분포로 변환

데이터 스케일링 방법

print(df)

   col1  col2   col3
0  1.00  48.0  100.0
1  1.20  45.5  101.3
2  0.75  46.2  103.5
3  1.60  50.0  104.0

print(df.var())

col1    0.128958
col2    4.055833
col3    3.526667
dtype: float64

데이터 스케일링 방법

from sklearn.preprocessing import StandardScaler
scaler = StandardScaler()

df_scaled = pd.DataFrame(scaler.fit_transform(df), 
                         columns=df.columns)

print(df_scaled)

       col1      col2      col3
0 -0.442127  0.329683 -1.352726
1  0.200967 -1.103723 -0.553388
2 -1.245995 -0.702369  0.799338
3  1.487156  1.476409  1.106776

print(df_scaled.var())

col1    1.333333
col2    1.333333
col3    1.333333
dtype: float64

연습해 봅시다!

Python으로 배우는 Machine Learning 전처리