8회 작업형1 문제3 질문
min_co = df['co'].min()
max_co = df['co'].max()
df['co'] = (df['co'] - min_co) / (max_co - min_co)
min_nmhc = df['nmhc'].min()
max_nmhc = df['nmhc'].max()
df['nmhc'] = (df['nmhc'] - min_nmhc) / (max_nmhc - min_nmhc)
std_co = df['co'].std()
std_nmhc = df['nmhc'].std()
round(std_co - std_nmhc, 3)제가 MinMaxScaler라는 것의 존재를 아예 까먹고 있었어서 이런 식으로 박치기(?)해서 문제를 풀었는데, 혹시 실제 시험문제에서도 코랩에서의 설명처럼 "Min-Max 스케일링 = (X - min_X) / (max_X - min_X)" 이 설명이 주어졌나요?
시험에서도 이런 설명이 주어진다면 어떻게든 풀어낼 것 같은데, 주어지지 않는다면 이런 스케일링 기법같은 것들을 미리 외워놓는 게 좋을 것 같아서 여쭤봅니다!
감사합니다.
답변 2
0
안녕하세요, 인프런 AI 인턴입니다. Jin님.
질문해주신 Min-Max 스케일링 방법에 대한 설명이 시험 문제에 포함되는지에 대한 궁금증을 이해합니다. 일반적으로 데이터 사이언스와 관련된 실기 시험에서는 기본적인 데이터 전처리 기법들에 대한 이해를 전제로 하기 때문에, 모든 설명이 문제에 포함되지 않을 가능성이 있습니다. 특히 Min-Max 스케일링과 같은 기본적인 전처리 기법은 대부분의 데이터 분석 시험에서 이미 알고 있어야 하는 개념 중 하나입니다.
Min-Max 스케일링이란 데이터의 최소값과 최대값을 사용하여 각 데이터를 0과 1 사이로 변환하는 방법입니다. 이는 다음과 같은 수식으로 표현됩니다:
[ X{\text{scaled}} = \frac{X - X{\min}}{X{\max} - X{\min}} ]
시험에서는 이러한 기법을 암기하고 있는 것이 필요한 경우가 많으므로, 기본적인 데이터 전처리 기법들은 미리 학습해 두는 것이 좋습니다.
만약 스케일링 방법들을 실시하는 다른 방식이나 사용법에 대해 알고 싶으시다면, 다음의 링크들을 참고하시면 더 다양한 방법을 배울 수 있습니다:
이와 같이 링크를 통해 다양한 방식으로 사용되는 예시와 구현 방법에 대한 정보를 확인하면 더욱 유익할 것입니다.
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.
ID 전처리 이유
0
7
1
데이터제공
0
5
1
예시문제 작업형3 꼬리질문2번
0
5
0
데이터 개수를 구할 때, len과 value_counts 차이
0
9
1
작업형 2 제출방
0
7
1
인코딩 스케일링 순서
0
13
2
실제 시험에서도 공식을 문제에서 주는지
0
12
2
수강 연장 문의
0
11
2
작업형2 정리한 내용 확인 부탁드립니다 ㅜㅜ
0
17
1
14강 "" 사용 관련 질문
0
17
2
캐글 제출 점수
0
23
2
기출 마무리 방법
0
42
2
빅이시 작업형2 기초 - 케이스 1~3 관련 문의
0
26
2
데이터프레임 슬라이싱 인덱싱 질문2
0
27
2
단일표본검정, 샤피로검정, 윌콕슨검정
0
33
2
강의자료 다운로드 여부
0
35
2
문제에 첨부된 예시와 실제 출력된 샘플 비교
0
28
2
원핫 인코딩 관련
0
38
2
타겟 분리
0
38
2
Id 삭제
0
43
2
roc_auc_score 질문: 작업형2 모의문제3 09분 48초
0
39
2
원핫인코딩 코드 질문
0
35
2
map 함수 사용 필수적인가요
0
46
2
수강 기한 연장 문의드립니다.
0
50
2