Feature Selection

특성 선택(Feature Selection)은 머신 러닝 모델을 구축할 때 중요한 특성(변수)만 선택하여 모델의 성능을 향상시키고, 모델의 복잡도를 줄이는 과정입니다. 특성 선택을 통해 불필요한 특성을 제거하면 모델이 더 간단해지고, 과적합(overfitting)을 방지할 수 있으며, 계산 비용도 줄일 수 있습니다. 다음은 대표적인 특성 선택 기법들입니다.1. 필터 방법 (Filter Methods)필터 방법은 데이터의 통계적 특성을 기반으로 특성을 선택합니다. 모델을 학습하기 전에 특성을 선택하며, 빠르고 간단한 방법입니다.(1) 분산 임계값 (Variance Threshold)정의: 분산이 낮은 특성은 정보를 거의 제공하지 않으므로, 일정 임계값 이하의 분산을 가진 특성을 제거합니다.예시: 분산이 0..
ML 2024. 5. 28. 19:30
1