안녕하세요.
제 질문은 신경망이나 SVM, 나이브 베이즈 등과 같은 소프트웨어에서 비모수 모델을 사용할 때 소프트웨어가 기본적으로 데이터를 조정하는지, 아니면 이러한 모델을 사용하기 전에 수치형 데이터를 조정해야 하는지입니다.
알겠습니다. 하지만 제 (매우 긴) 답변에서 트리 기반 방법과 나이브 베이즈에 대해 언급했습니다.
나이브 베이즈와 같은 트리 기반 모델과 확률 기반 알고리즘은 스케일링이 필요하지 않을 수 있습니다.
트리 기반 방법은 거리 기반 알고리즘이 아니므로 스케일링이 필요하지 않으며, 분할은 데이터 순서와 특정 임계값에서 분할하여 생성된 정보를 기반으로 수행되지만, 개별 값, 범위 또는 분포는 분할 결과에 영향을 미치지 않습니다.
나이브 베이즈는 확률 기반 알고리즘으로, 데이터 분포로부터 확률을 계산하며 데이터의 규모에 따라 변하지 않습니다.
추가 리소스:
https://stats.stackexchange.com/questions/244507/what-algorithms-need-feature-scaling-beside-from-svm
https://www.dataschool.io/comparing-supervised-learning-algorithms/
https://forecastegy.com/posts/do-decision-trees-need-feature-scaling-or-normalization/
이 보완적인 답변이 귀하의 질문에 대한 답변인가요?
네, 읽습니다
하지만 당신은 (( SVM, KNN, 신경망, (선형 및 로지스틱) 회귀)) 에 대해 언급했습니다.
사실 나는 다른 모델에 대해서도 알고 싶어
강화된 나무
부트스트랩 포레스트
결정 트리
나이브 베이즈
감사해요
