20221116 = 학습내용정리

왜도

→Negative Skew는 오른쪽에 더 많이 분포하고 왼쪽에 긴 꼬리를 갖는다.

→Positive Skew는 왼쪽에 더 많이 분포하고 오른쪽에 긴 꼬리를 갖는다.

 

 

결측치

 

수치형

→결측치가 많다고 삭제하는 것이 무조건 좋은 방법이 아니다.

→이상치, 특이값을 찾는다면 오히려 특정 값이 신호가 될 수도 있다.

→수치형 데이터인데 결측치면 잘못채웠을 때 오해할 수 있으니 조심해야 한다.

→수치형 변수를 대체할 때는 원래의 값이 너무 왜곡되지 않는지도 주의가 필요하다.

→중앙값, 평균값 등으로 대체할 수 있지만, 회귀로 예측해서 채우는 방법도 있다.

 

범주형

 

→범주형 변수중에 결측치가 있는지 확인을 하고 어떤 범주형 변수를 선택해서 모델에 사용할지 의사결정을 한다.

→범주형 데이터는 원핫인코딩 작업을 하기 때문에 결측치를 남겨두어도 상관은 없다.

→없는 값을 변수로 생성하지 않기 때문이다.

 

KFold

→KFold를 사용해서 분할을 나눌 수 있다.

→분할에 random_state를 사용할 수 있다.

→분할 때문에 값이 변경된건지 실험을 좀 더 고정을 할 수 있다.

 

선형회귀

→다른 모델들에 비해 간단한 작동 원리를 가지고 있다.

→학습 속도가 매우 빠르다.

→조정해줄 파라미터가 적다.

 

출처 : 멋쟁이사자처럼 AI 7기 강의자료