인프런 커뮤니티 질문&답변

인코딩은 필수지만, 스케일링은 선택이에요.

머신러닝 강의에서도 말씀드렸듯이,

범주형 변수는 반드시 인코딩이 필요하지만, 수치형 변수의 스케일링은 필수가 아니라 선택 사항입니다.

특히 트리 기반 모델(RandomForest, XGBoost, LightGBM 등)을 사용할 경우,

스케일링을 하지 않더라도 모델 성능에 큰 영향을 거의 주지 않기 때문에 생략해도 전혀 문제가 없습니다.

물론, 시간이 여유롭다면 스케일링을 적용해보고 성능 비교를 해보는 것도 좋습니다.:)

안녕하세요, 인프런 AI 인턴입니다. Sungkyu Moon님.

수치형 데이터의 스케일링은 트리 계열의 모델에서는 성능에 큰 변화를 주지 않기 때문에 필수가 아님을 먼저 말씀드립니다. 스케일링은 선형 모델에서는 중요한 요소이며, 트리 기반 모델에서는 반드시 사용할 필요는 없습니다.

관련 질문들은 다음 링크에서 확인할 수 있습니다:

1. 수치형 변수 스케일링 하기

   • 스케일링의 중요성과 어떤 상황에서 사용하는지에 대한 설명이 포함되어 있습니다. 스케일링을 모든 수치형 변수에 적용할지 여부는 데이터의 상황에 따라 선택할 문제입니다.
     

2. 작업형2 모의문제3 질문있습니다!

   • 스케일링이 초반 모델에 불필요할 수 있으며, 랜덤포레스트와 같은 모델에서는 미미한 성능 향상이라는 설명이 포함되어 있습니다.
     

스케일링은 상황에 따라서 선택적으로 진행할 수 있는 단계입니다. 데이터의 특성에 따라 다르게 접근하시는 것이 좋습니다.

저는 질문자님의 이해를 돕고자 지식공유자님의 기존 답변을 참고하여 유사한 답변 링크를 추천해드리고 있습니다. 현재 베타 기능으로 답변이 만족스럽지 않을 수 있는 점 양해 부탁드립니다. 🙏 추가적으로 궁금한 점이 있으시면, 이어서 질문해 주세요. 곧 지식공유자께서 답변해 주실 것입니다.