Data Preparation

1. feature extraction and portability

데이터 준비 과정에서 feature extraction과 portability는 중요한 요소다. Feature extraction은 주어진 데이터에서 유용한 정보를 추출하는 과정을 의미한다. 이 과정은 주로 원시 데이터에서 모델 학습에 필요한 특징들을 발견하고 정리하는 데 중점을 둔다. 예를 들어, 이미지 데이터라면 색상, 텍스처, 형태와 같은 시각적 특징을 추출할 수 있고, 텍스트 데이터에서는 단어 빈도, n-그램, TF-IDF 값 등을 활용할 수 있다. 이렇게 추출된 특징들은 머신러닝 모델이 데이터를 이해하고 예측하는 데 필수적인 역할을 한다. 따라서 효과적인 feature extraction 방법론과 기술들은 데이터를 어떻게 표현하고 모델 성능에 어떤 영향을 미칠지를 결정짓는 중요한 요소가 된다. 특히 feature extraction의 과정에서 고려해야 할 점은 데이터의 특성과 문제의 목적에 여전히 밀접하게 연관되어 있다는 점이다. 예를 들어, 시간 시계열 데이터 분석을 하는 경우, 데이터의 시즌성과 추세를 반영하는 특징들을 골라내는 데 집중해야 한다. 반면 텍스트 분류 문제에서는 단어의 의미나 문맥을 반영한 다차원적인 자연어 처리 기법을 적용…