전처리 과정에서 해야하는 일들
- 데이터의 실수화: 문자열, 범주화 데이터들을 컴퓨터가 이해가능한 실수형 데이터로 변환
- 불완전 데이터 제거: NaN, null, N/A 값 등 제거
- 데이터 노이즈 제거:
- 이상치 제거: 일반적인 데이터와 다른 값들 제거. ex)나이가 200, 1200등으로 시작
- 가격 데이터에 NaN, "없음", 빈칸 등 적절하지 않는 데이터 제거 및 채우기
- 모순 데이터 제거 및 변환: 남성 주민번호가 2로 시작
- 데이터 불균형 해소
- 왜도(Skewness), 첨도(Kurtosis)
주요 전처리 기법
- Data Vectorization: 데이터를 실수화 하는 기법
- Data Cleaning: 결측치, 이상치, 모순 데이터 등을 제거하는 작업
- dropna the missing value
- replace missing value
- 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 Smoothing
- Attribute Construction
- Data Aggregating
- Data Normalization
- MinMaxNormalization
- Mean Normalization
- Standardization
- Data Balancing: 특정 클래스의 데이터가 타 클래스의 데이터 수와 너무 차이가 날 때, 샘플링을 통해 이 비율을 맞추는 작업
Reference
- 데이터 전처리 (Data Pre-Processing) - https://skyil.tistory.com/100
Data Transformation - https://binaryterms.com/data-transformation.html