Python 튜토리얼

다중 공선성 해결

다중 공선성을 해결 하는 방법은 크게 3가지가 있습니다.

1. 변수 정규화
2. 변수 제거
3. PCA(주성분 분석)

변수 정규화

변수 정규화의 경우 Sklearn의 MinMaxScaler()를 통해 손 쉽게 적용 할 수 있습니다.

변수 제거

VIF(분산 팽창 요인) 계수가 10 이상인 변수들은 다중 공성성이 있다고 판단하여 제거 해줍니다.

PCA (주성분 분석)

PCA는 차원 축소의 방법 중 하나 인 feature extraction의 대표적인 기법 입니다.

*차원 축소 : 많은 피처로 구성된 다차원 데이터 셋의 차원을 축소해 새로운 차원의 데이터 셋을 생성하는 것

*feature extraction : 기존 피처를 단순 압축이 아닌, 함축적으로 더 잘 설명 할 수 있는 또 다른 공간으로 매핑 해 추출 하는 것

[Colab 실습 링크]

↩️ 오늘의 파이썬 리스트

#데이콘_101 #AI #머신러닝 #딥러닝 #파이썬 #파이선  #데이터분석 #데이터사이언티스트 #코랩 #Python  #colab #kaggle #pandas #numpy #sckit-learn # read_csv # 다중 공선성