인프런 커뮤니티 질문&답변
작성한 질문수
표준화 스케일링 결과가 민맥스와 동일하게만 나옵니다.
해결된 질문
작성
·
281
·
수정됨
2
# 표준화 StandardScaler (Z-score 정규화, 평균이 0 표준편차가 1인 표준 정규분포로 변경)
n_train, n_test, c_train, c_test = get_nc_data() # 데이터 새로 불러오기
from sklearn.preprocessing import StandardScaler
display(n_train.head(2))
n_train[cols] = scaler.fit_transform(n_train[cols])
n_test[cols] = scaler.transform(n_test[cols])
display(n_train.head(2))
안녕하세요. 스케일링에서 민-맥스 스케일링과 표준화 스케일링을 차례대로 수행했습니다. 위 코드를 실행하기 전에 말씀하신 것처럼 새로 불로오기도 했구요. 그런데 표준화 스케일링의 결과가 민-맥스 스케일링과 완전히 동일하게 출력됩니다. 즉, -마이너스 값이 전혀 없이 전부 민맥스처럼 0~1사이 값만 나옵니다.
데이터 새로 불러오기를 하고, 위 표준화 스케일링을 실행해도 민맥스 스케일링의 값이 출력되는 이유는 무엇일까요?
*질문 작성후 로버스트 스케일러 설명 부분에서 스케일러를 지정하기를 말씀하셔서 보니까 스케일러 불러오기를 안했네요. 스스로 해결이 되었습니다. 감사합니다.
답변 1
0
코드를 살펴보니 scaler 객체를 사용하여 n_train[cols]와 n_test[cols]를 변환하고 있어요.
그런데 scaler 객체의 정의하는 부분이 없습니다. 따라서 이전에 Min-Max 스케일링에서 사용된 scaler 객체가 여전히 메모리에 남아있는 것 같아요.
from sklearn.preprocessing import StandardScaler
scaler = StandardScaler() # 추가
n_train[cols] = scaler.fit_transform(n_train[cols])
n_test[cols] = scaler.transform(n_test[cols])
해결되었는데 자세한 설명을 곁들인 답변을 주셔서 너무 감사합니다!!
좋은 하루 되세요~^^