여러 번 말하지만, 사이클은 ‘인공지능 학습’ 이전에 ‘데이터 준비’부터 시작이므로, 결측치, 이상치, 정규화, 표준화 등에 대해서 실습해봤다.
추가 전처리로는 분포를 고르게 하는 전처리가 있으며, 타겟 데이터의 클래스가 불균형하다면, 소수 클래스에 대한 예측력은 보장되지 않기에, 이를 데이터 생성 혹은 삭제로 조정한다.
어제 머신러닝 구현을 위한 분류모델(KNN, DecisionTree)을 학습해보았으며, 모델의 예측력이 낮을 경우에는 아래의 단계로 진행해볼 수 있다.
오늘부터는 다양한 신기능을 다루기 위해서, 다소 템포 업 할 예정이다.