데이터 전처리 기술과 차원 축소가 기계 학습의 정확성에 미치는 영향

데이터 전처리는 기계 학습 및 데이터 마이닝에서 핵심 단계로 간주됩니다. 정규화, 이산화, 그리고 차원 축소는 데이터 전처리에서 잘 알려진 기술입니다. 이 연구 논문은 NSL-KDD 데이터셋을 사용하여 J48 분류기의 정확성에 대한 Min-max, Z-score, 십진수 스케일링 및 밑이 2인 로그의 영향을 조사하고자 합니다. 위에서 열거한 방법을 사용하여 실험이 수행되었으며, 각 결과를 서로 비교하였습니다. 주성분 분석(PCA)과 선형 판별 분석(LDA)을 차원 축소를 위해 테스트하였으며, PCA와 LDA의 혼합 조합이 시도되었고, 성능은 개별 방법들에 비해 향상된 분류 정확성을 보였습니다.