*Feature Engineering 1. Feature Selection - 결과값에 유효한 영향들을 미치는 Feature 값을 임의로 선택하여 머신러닝 성능을 향상시킨다. (상관 분석을 통하여 유효값의 기준 및 범위를 세울 수 있다.) 2. Feature Nomalization(정규화) - Feature마다 서로 다른 범위를 가지고 있을 때 값이 발생시키는 유효성의 차이가 생길 수 있음 - 차이를 최소화 하여 성능을 향상시키는 방법 1) Standardization(표준화) - 범위값(Numerical Column)의 각기 다른 범위를 정규분포표를 만들어 사용 from sklearn import preprocessing normalized_data=preprocessing.StandardScaler(..