머신러닝 전반전 탐색적 데이터 분석(EDA): 데이터 파악 → 데이터 전처리: 결측치, 이상치 수정 → 데이터 인코딩: 데이터 변환 → 데이터 스케일링: 데이터 정규화 서론 데이터 분석과 머신러닝의 세계에서, 원시 데이터를 그대로 사용하는 것은 여러 가지 문제를 야기할 수 있습니다. 각 특성의 스케일이 다르거나, 이상치가 포함되어 있는 경우, 모델의 성능을 저하시킬 수 있습니다.
이런 문제를 해결하기 위해 데이터 전처리 과정에서 데이터 스케일링이 중요한 역할을 합니다. 데이터 스케일링은 다양한 방법이 있지만, 이번 실습에서는 '정규화(Normalization)'에 초점을 맞추어 진행하려 합니다.
정규화는 데이터의 값이 0과 1 사이의 범위에 들어가도록 변환하는 방법으로, 이상치의 영향을 줄이고, 다양한 .....
