데이터 정규화

데이터 정규화란 머신러닝 및 통계 분석에서 입력 변수들의 스케일(크기 범위)을 일관되게 조정하는 전처리 과정이다. 이는 모델 학습 시 특정 특성(feature)이 다른 특성에 비해 과도한 영향력을 갖는 것을 방지하여 알고리즘의 성능을 향상시킨다.

주요 정규화 기법

• Min-Max Scaling: 데이터를 특정 범위(예: [0, 1])로 선형적으로 변환한다. 공식은 new\_value = (old\_value - ) / ( - ) 이다.
• Standardization (Z-score Normalization): 데이터의 평균을 0, 표준편차를 1로 만들어 분포를 표준 정규분포에 가깝게 만든다. 이는 표준편차를 이용한다.

정규화는 특히 경사 하강법(Gradient Descent)을 사용하는 알고리즘이나 거리 기반 알고리즘(K-최근접 이웃)에서 필수적이며, 데이터의 특성 공학 단계 중 하나로 간주된다. 적절한 스케일링은 모델의 수렴 속도를 높이고 편향을 줄이는 데 기여한다.