🍫 스케일링

• 두 특성(길이와 무게)의 값이 놓인 범위가 다르다. => 스케일(Scale)이 다르다 라고 한다.
• 방의 넓이를 재는데 한사람은 cm, 다른사람은 inch로 재는것과 같다.
• k-최근접 이웃 알고리즘은 샘플간의 거리에 영향을 많이 받는다. 반면 결정트리와 같은 알고리즘의 경우에는 스케일링에 그다지 많은 영향을 받지는 않는다
• 표준점수(Standard Score)
  • z 점수는 각 특성값이 0에서 표준편차의 몇배만큼 떨어져 있는지 표시한다.
  • 실제 특성값의 크기와 상관없이 동일한 조건으로 비교할 수 있다.
  • 각 데이터가 원점에서 몇 표준편차만큼 떨어져 있는지 나타낸다.
• 분산 : 데이터에서 평균을 뺀 값을 모두 제곱한 다음 평균을 내어 구한다.
• 표준편차 : 분산의 제곱근으로 데이터가 분산된 정도를 나타낸다.

🍫 표준화와 정규화

• 표준화는 데이타의 피처 각각이 평균이 0이고 분산이 1인 가우시안 정규 분포를 가진 값으로 변환하는 것을 의미한다.
• 정규화란 서로 다른 피처의 크기를 통일하기 위해 크기를 변환해주는 개념이다.