머신러닝- label_encoder, min_max, standard, robust scaler

스케일링 : 범위 재정의

-> 범위 or 분포 같게 만들기

• 머신러닝에서는 컬럼들 간의 범위 격차가 심할 경우, 제대로 학습이 안 될 수도 있다.
• 따라서 minmaxscaler & standardscaler 사용
• 결정나무에서는 이런 전처리 의미 x
• 주로 cost function 최적화할 때 의미 o

---

1. label encoder : 문자 -> 숫자
   머신러닝 사용할 땐, 숫자로 되어있어야 함

EX)
import pandas as pd

df=pd.DataFrame({
    'A':['a','b','c','a','b'],
    'B':[1,2,3,1,0]
})

1. fit -> transform
   from sklearn.preprocessing import LabelEncoder
   le=LabelEncoder()
   le.fit(df['A'])
   df['le_A']=le.transform(df['A']) # 변환한 값 컬럼으로 만들어주기

2. 한번에 fit, transform
   df['le_A']=le.fit_transform(df['A'])

반대로 문자 <- 숫자
le.inverse_transform(df['le_A'])

2. min-max scaling(정규화) : 0과1 사이로 축소(비율)

EX)
df=pd.DataFrame({
    'A':[10,20,-10,0,25],
    'B':[1,2,3,1,0]
})

fit
from sklearn.preprocessing import MinMaxScaler
mms=MinMaxScaler()
mms.fit(df)
mms.datamax, mms.datamin, mms.datarange # 값 확인

transform
df_mms=mms.transform(df)

복구
mms.inverse_transform(df_mms)

• 이상치가 존재할 경우, 결과 범위 압축 가능성 o

3. standard scaler : 표준화

from sklearn.preprocessing import StandardScaler
ss=StandardScaler()
ss.mean, ss.scale # 평균, 표준편차
df_ss=ss.fit_transform(df)

• 이상치에 민감

4. robust scaler

• 사분위값 사용
• 이상치 영향 최소화