python 머신러닝 이론 정리.

1. 데이터 불러오기
2. 상황에 따라 데이터프레임으로 변형 데이터 전처리.	레이블 인코딩, 원-핫 인코딩, standardScaler(피처 스케일링과 정규화)
3.  x_train, x_text, y_train, y_test 분리
4. 모델 선정
5. 모델 학습	cross_val_score(),
6. 예측	cross_val_score(),
7. 예측 정확도 평가	KFold 교차검증, stratified K 폴드 , cross_val_score(), GridSearchCV

 

 

 

데이터 전처리	설명
standardScaler (피처 스케일링)	-표준화는 데이터의 피처 각각이 평균이 '0' 이고 분산이 1인 가우시안 정규 분포를 가진 값으로 변환하는 것을 의미. -평균을 제거하고 데이터를 단위 분산으로 조정한다.
원-핫 인코딩	고유 값에 해당하는 컬럼에만 1표시
레이블 인코딩	Label을 숫자로 분류한다.
MInMaxScaler	-데이터 값을 0과 1사이의 범위값으로 변환한다. (음수 값이 있으면 -1에서 1값으로 변환한다.)