머신러닝 3주차 2차시 - 특징 값 스케일링

내가 아는 스케일 - 값의 차이를 적당한 범위로 맞춰준다.

큰 값이 영향을 크게 주게 된다!

경사 하강법이 잘 적용되지 않을 수 있다.

 

 

최댓값 1로 맞춰주기!

그럼 최솟값이 안맞지 않나?

 

Feature Scaling

밸런스를 가지도록 스케일링 한다!

좋은 예시

나쁜 예시

평균 값을 빼주는 이유 : 특징 값이 좌우 균등하게 분포하도록!

Mean normalization

 

스케일링 시 - 경사하강법이 빨라 질 수 있다. 분류 문제에서도 경사 하강법에 도움을 준다. 

범위가 너무 다른 경우 적용한다!