* 겪고 있는 문제 상황을 최대한 자세하게 작성해주세요.
* 문제 해결을 위해 어떤 시도를 해보았는지 구체적으로 함께 알려주세요.
문의1. 강의 중 이진 논리 회귀에서 타이타닉 생존자 데이터를 표준화 하고 나서 학습에는 사용하지 않았습니다.
논리 회귀에서 표준화 하지 않은 데이터를 사용해도 결과에는 큰 차이가 없나요?
문의2. 제가 수학을 잘 몰라서 그런데요,, 표준화 후 1보다 큰 값이 존재할 수도 있나요?
다항 논리 회귀에서 와인데이터를 표준화 한 이후 1보다 큰 값이 보여서요.
문의3. StandardScaler를 사용하여 계산한 값과 manual로 계산한 값에 작은 차이가 있습니다.
(메뉴얼 계산은 평균을 빼고 표준편차로 나누는 간단한 계산)
수업 진행에는 문제 없으나 궁금증이 생겨 문의 드립니다.
전체 화면 캡처 (3번 질문 관련)
작성한 코드 및 에러 메세지 (3번 질문 관련)
scaler = StandardScaler()
x_data_scaled = scaler.fit_transform(x_data)
print("*** Before Standardization ***")
print(x_data[['alcohol','malicAcid', 'ash', 'ashalcalinity']][:3])
print("*** After Standardization ***")
print(pd.DataFrame(x_data_scaled).loc[:2, [0,1,2,3]])
print("\n*** Manual standardication for check up on ['alcohol'][0] ***")
print("Mean:", x_data['alcohol'].mean())
print("Standard Deviation:", x_data['alcohol'].std())
print("['alcohol'][0]", (x_data['alcohol'][0] - x_data['alcohol'].mean())/x_data['alcohol'].std())
print("*** Gap of between ***")
print("['alcohol'][0] from scaler", pd.DataFrame(x_data_scaled).loc[0, 0])
print("['alcohol'][0] by manual", (x_data['alcohol'][0] - x_data['alcohol'].mean())/x_data['alcohol'].std())
print("Gap:", pd.DataFrame(x_data_scaled).loc[0, 0] - ((x_data['alcohol'][0] - x_data['alcohol'].mean())/x_data['alcohol'].std()))
출력
*** Before Standardization ***
alcohol malicAcid ash ashalcalinity
0 14.229999542236 1.710000038147 2.430000066757 15.600000381470
1 13.199999809265 1.779999971390 2.140000104904 11.199999809265
2 13.159999847412 2.359999895096 2.670000076294 18.600000381470
*** After Standardization ***
0 1 2 3
0 1.518611907959 -0.562249720097 0.232052803040 -1.169593095779
1 0.246289387345 -0.499413371086 -0.827995955944 -2.490847110748
2 0.196878835559 0.021231153980 1.109334588051 -0.268738090992
*** Manual standardication for check up on ['alcohol'][0] ***
Mean: 13.000619
Standard Deviation: 0.8118265
['alcohol'][0] 1.5143391
*** Gap of between ***
['alcohol'][0] from scaler 1.5186119
['alcohol'][0] by manual 1.5143391
Gap: 0.0042728186
