#특징공학
특징 공학(Feature Engineering)은 기계 학습 알고리즘을 작동하기 위해 도메인 지식을 활용하여 원시 데이터를 가공하는 과정이다. 특징 공학의 과정에서 새로운 특징을 만들어 내거나 불필요한 특징을 제거할 수 있다. 특징 공학은 기계 학습 모델의 성능에 영향을 많이 미치기 때문에 기계 학습에 있어서 매우 중요한 단계이다. 특징 공학은 일반적으로 데이터 관찰, 데이터 전처리와 같은 예비적 단계를 수행한 다음에 특징 선택(Feature Selection)과 특징 추출(Feature Extraction)이 포함된 본격적 단계를 진행한다. 예비적 단계에는 데이터의 의미를 파악하기 위한 데이터 관찰 단계가 있다. 이는 문제의 속성과 데이터의 유형에 맞는 특징을 결정하는 단계이다. 다음에 실행하는 데이터 전처리 단계는 데이터를 다루기 쉬운 형태로 변환하는 것이다. 패턴의 정규화, 노이즈 제거 등 작업이 포함된다. [네이버 지식백과] 특징 공학 (AI 용어사전)
연관 키워드 # 특징학습 # 특징추출
분석을 위해 등장한 데이터베이스··· OLAP 따라잡기 원문보기: https://www.ciokorea.com/news/225564#csidx0cb6e8a82ad3e319a26b3b618183c56 2022.02.15
OLAP(Online analytical processing ; 온라인 분석 처리) 데이터베이스는 분석 질의를 처리할 목적으로 구축된 데이터베이스이다. 분석 쿼리를 OLTP(online transaction-processing ; 온라인 트랜잭션 처리) 데이터베이스 상에서 실행하면 다음과 같은 이유로 회신 시간이 오래 걸린다. 첫째, OLTP ...
“AI의 심장” 머신러닝 알고리즘의 이해 2023.07.19
머신러닝(Machine learning)과 딥러닝(deep learning)은 널리 알려진 익숙한 용어지만, 이런 유명세 만큼이나 더 폭넓은 오해를 받는 부분도 있다. 여기서는 한 걸음 물러서서 머신러닝과 딥러닝의 기본을 살펴보고, 가장 보편적인 몇 가지 머신러닝 알고리즘을 알아본다. 이런 알고리즘이 역사적 데이터로부터 예측 모델을 만들기 위한 퍼즐의 다른 ...