표준화 연습
알 수 없는 분포에 대해 무작정 KNN을 사용하는 것은 위험해요. 특성 분포의 스케일이 서로 다르면 성능이 크게 떨어집니다. 스케일이 맞지 않은 특성은 거리 계산을 왜곡하고, 그 결과 비현실적인 이상치 점수가 나올 수 있어요.
이를 보완하기 위한 일반적인 방법이 표준화(standardization)입니다. 표준화는 각 특성에서 평균을 빼고 표준편차로 나누는 작업으로, 특성의 평균을 0, 분산을 1로 맞춥니다.
이미 로드되어 있는 females 데이터셋으로 표준화를 연습해 보세요.
이 연습은 강의의 일부입니다
Python으로 배우는 이상치 탐지
연습 안내
StandardScaler()인스턴스를 생성해ss로 저장하세요.- 특성과 타깃 배열을 각각
X,y로 추출하세요. 타깃은weightkg열입니다. StandardScaler()를 X에 학습시키고 동시에 변환하세요.- 위 과정을 반복하되,
XDataFrame의 열 이름이 보존되도록 처리하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
from sklearn.preprocessing import StandardScaler
# Initialize a StandardScaler
ss = ____
# Extract feature and target arrays
X = ____
y = ____
# Fit/transform X
X_transformed = ____
# Fit/transform X but preserve the column names
X.____ = ____