[기계학습] ML 프로젝트 A-Z까지 ( 4)

특성 스케일링 (Feature Scaling)

1) 왜 특성 스케일링이 필요한가?

• 머신러닝 모델은 입력 특성 간의 스케일(값의 범위) 차이에 민감

특성 이름	값의 범위
total_rooms	6 ~ 39,320
median_income	0 ~ 15

• 이런 경우, total_rooms 특성의 영향력이 더 크게 작용하여 모델이 특정 특성에 편향될 위험이 있음.

해결 방법 → 특성 스케일링

→ 모든 수치형 특성의 스케일을 통일해주는 전처리 과정
→ **레이블(타깃 값)**에는 스케일링 적용 ❌

---

2) 대표적인 스케일링 방법

 

① Min-Max 스케일링 (정규화, Normalization)

 

• 값들을 0과 1 사이로 압축

 

변환 식

​

특징

• 값의 범위를 고정: [0, 1] (또는 feature_range로 지정 가능)
• 이상치에 매우 민감

예제 (Python + Scikit-learn)

import numpy as np
from sklearn.preprocessing import MinMaxScaler

data = np.array([[1000], [2000], [3000], [100000]])  # 이상치 포함
scaler = MinMaxScaler()
scaled_data = scaler.fit_transform(data)

print("정규화 결과:\n", scaled_data)

 

출력 결과

정규화 결과:
[[0.     ]
 [0.0102 ]
 [0.0204 ]
 [1.     ]]

 

• 100000 같은 이상치 때문에 다른 값들이 0 근처로 몰림

 

---

② 표준화 (Standardization)

 

• 값들을 평균 0, 표준편차 1을 갖도록 변환

 

변환 식

 

• μ\muμ: 평균값
• σ\sigmaσ: 표준편차

특징

• 이상치에 덜 민감
• 선형 회귀, SVM, 로지스틱 회귀 등에서 잘 작동

예제 (Python + Scikit-learn)

from sklearn.preprocessing import StandardScaler

data = np.array([[1000], [2000], [3000], [100000]])  # 이상치 포함
scaler = StandardScaler()
scaled_data = scaler.fit_transform(data)

print("표준화 결과:\n", scaled_data)

 

출력 결과

표준화 결과:
[[-0.5001]
 [-0.4922]
 [-0.4843]
 [ 1.4766]]

평균 기준으로 분산이 고려되어 이상치의 영향이 완화됨