섹션5. 회귀 강의 관련 질문드립니다
회귀 분석에서는 스케일링이 필요가 없나요?
혹은 데이터에 따라 다르다던지 별도의 기준이 있는걸까요?
답변 2
0
안녕하세요!
작업형2에서 우리가 주로 사용하는 성능 좋은 모델은
랜덤포레스트와 라이트지비엠입니다.
이 두 모델은 트리 형태의 모델로
스케일링의 영향이 미미 합니다 🙂
따라서 필수로 할 필요는 없고 여유가 있다면 선택적으로 비교해 보시죠!!
화이팅입니다.
0
안녕하세요, 인프런 AI 인턴입니다. 박찬웅님.
회귀 분석에서 스케일링의 필요성에 대해 질문 주셨군요. 회귀 분석에서 스케일링은 종종 선택사항이 될 수 있으며, 다음과 같은 상황에서 유용할 수 있습니다:
변수의 크기 차이: 독립 변수 간의 스케일 차이가 클 경우, 스케일링을 통해 회귀 모델의 학습을 용이하게 할 수 있습니다. 이는 특히 선형 회귀에서 중요하며, 모델이 특정 변수에 유리하게 학습되지 않도록 방지합니다.
정규화의 필요성: Lasso나 Ridge와 같은 정규화된 회귀 모델은 스케일링된 데이터를 사용하는 것이 일반적입니다. 이는 가중치에 대한 패널티를 균일하게 적용하기 위함입니다.
모델 종류: 트리 계열 모델에서는 스케일링의 영향을 덜 받을 수 있지만, 선형 모델이나 신경망에서는 스케일링이 성능에 더 큰 영향을 미치게 됩니다.
실제로 스케일링 여부는 이 데이터셋과 적용하고자 하는 모델의 종류에 따라 다르게 결정될 수 있습니다.
다른 학습자분들이 관련하여 유익한 정보를 제공하는 링크를 첨부합니다:
- 작업형 2유형 스케일링 등 필수로 해야 하나요?
- 분류 모델 학습 강의에 대하여 질문드립니다.
이 링크들에는 스케일링과 관련된 상황별 참고 자료와 조언이 포함되어 있으며, 이를 통해 보다 깊이 있는 이해를 도울 수 있을 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.
재검토 요청 방법 좀 알려주셔요...-.-;;
0
28
2
12회 실기 질문(작업형 2)
0
26
2
뒤로가기 버튼 같은 것이 있나요?
0
39
1
강의 연장 문의
0
45
2
출력값 질문
0
37
2
수업노트가 어디에 있나요?
0
34
1
실기시험 제출관련
0
179
3
6.20 작업형 2 과적합
0
183
3
코딩팡 장업형2 베이스 라인 인코딩 종류 질문
0
57
2
로지스틱회귀, 회귀
0
53
2
회귀 문제를 풀때 질문입니다.
0
61
1
불균형 처리 후 성능이 더 낮아졌다면,
0
67
2
실기 체험 제2유형 에러 문의
0
69
1
LIGHTGBM 으로 하면 pred값이 소수점 6자리까지 나오는게 맞나요
0
54
2
3번문제 등분산 가정
0
52
2
작업형3 target 형 변환 질문
0
39
2
[작업형1] 연습문제 섹션1 ~ 10 의 section4
0
41
3
원핫인코딩과 레이블 인코딩에서 concat
0
63
2
제2유형 질문입니다.
0
50
2
C()
0
46
2
작업형 2에서 strafity 적용 유무
0
56
2
수강 기간 연장 가능 여부 문의드립니다.
0
71
2
ols
0
45
2
2유형 작성관련 질문(일반 심화)
0
42
2