728x90
standardscaler
-
AI/ML 기반 데이터 분석 시리즈 6화 - 피처 엔지니어링과 스케일링 전략: 데이터의 본질을 꿰뚫는 변환 기법기술과 산업/AI 2025. 5. 7. 15:50
모델 성능의 대부분은 좋은 알고리즘보다 좋은 피처에서 나옵니다.이번 글에서는 데이터를 모델이 해석할 수 있는 구조로 바꾸는 실전 기술인 피처 엔지니어링(feature engineering) 과 스케일링(scaling) 전략을 정리합니다.AI 분석에서의 핵심 원칙은 ‘데이터를 버리지 않고 최대한 살려내는 것’입니다. 1. 피처 엔지니어링이란? 피처 엔지니어링은 단순히 컬럼을 추가하거나 변환하는 작업을 넘어,모델이 학습하기 쉬운 구조로 데이터를 재설계하는 과정입니다. 대표 목적은 다음과 같습니다: 모델의 예측력을 높이기 위한 정보 구조화복잡한 관계를 단순화비정형/범주형 데이터를 수치화모델 입력 조건을 맞추기 위한 스케일 정규화 2. 변수 변환 기법 2.1 수치형 데이터 변환기법목적예시로그 변환분포 압축..