Scalar
- 데이터를 어떻게 스케일링하는게 적절한지 항상 고려해야 한다
- 스케일링에 따라 성능차이가 날 수 있다
- 데이터셋
x_train.describe()
StandardScalar
- 평균(mean)을 0, 표준편차(std)를 1로 만든다
from sklearn.preprocessing import StandardScaler
std_scaler = StandardScaler()
std_scaled = std_scaler.fit_transform(x_train)
round(pd.DataFrame(std_scaled).describe(), 2)
MinMaxScalar
- min값과 max값을 0~1사이로 정규화한다
from sklearn.preprocessing import MinMaxScaler
minmax_scaler = MinMaxScaler()
minmax_scaled = minmax_scaler.fit_transform(x_train)
round(pd.DataFrame(minmax_scaled).describe(), 2)
StandardScalar
- 중앙값(median)을 0으로, IQR(interquartile range)을 1로 변환한다
- outlier 처리에 유용하다
from sklearn.preprocessing import RobustScaler
robust_scaler = RobustScaler()
robust_scaled = robust_scaler.fit_transform(x_train)
round(pd.DataFrame(robust_scaled).median(), 2)