1. 데이터 전처리 (Data Pre-Processing)

머신러닝 프로젝트에 사용하기 위해, 데이터를 모델이 이해할 수 있는 형태로 변환하거나 품질을 올리는 일련의 과정을 데이터 전처리라고 한다.

전처리 과정에서 해야 하는 일들을 다음과 같다.

• 데이터 실수화: 문자열, 범주형 데이터 등의 데이터를 컴퓨터가 이해할 수 있는 실수형으로 변환
• 불완전 데이터(결측치) 제거: NaN, NA, NULL 값 등을 제거
• 데이터 노이즈 제거
  • 가격 데이터의 '-', '없음' 등 적절하지 않은 데이터 제거
  • 이상치 제거
    • 나이 값으로 200, 1200 등이 존재하는 경우 등
• 모순된 데이터 제거: 남성 주민번호가 2로 시작하는 경우 등
• 데이터 불균형 해결
  • 과소포집(Undersampling), 과대포집(Oversampling)

주요 데이터 전처리 기법

• Data Vectorization: 데이터를 실수화 하는 작업
• Data Cleaning: 결측치, 이상치, 모순 데이터 등을 제거하는 작업
• Data Integration: 여러 개의 데이터 파일을 하나로 합치는 과정
• Data Reduction: 데이터가 과도하게 큰 경우 이를 줄이거나, 데이터의 차원을 축소하는 작업
• Data Transformation: 데이터에 로그를 씌우거나, 평균값을 구하거나 하는 방법으로 데이터를 변환하는 작업
• Data Balancing: 특정 클래스의 데이터가 타 클래스의 데이터 수와 너무 차이가 날 때, 샘플링을 통해 이 비율을 맞추는 작업