컴퓨터 변수는 유효숫자가 제한되어있어서 아주 큰값 + 아주 작은값 계산을 하면 무시하기힘든 오차가 발생되는데 이게 계속 누적되면 나중에 오차가 커짐. 그래서
그니까 부동소수 자리수 차이 고려할 필요가 있다는거지?
근데 왜 설명하는 놈을은 최적화라고 하는거임??
데이터 스케일 차이나면 성능 떨어지니까
어쨋든 내부에서 데이터 스케일에 대한 리그레션이 일어나야 하니 걍 처리하는게 낫다고 보는거임?
보통은 그렇게 보는거같음 그쪽은 배운게 없어서 더이상은 나도모름
내가 봤을 때에는 무조껀 표준편차나 정규화 하기 보다는. 값의 크기 범위를 보고 나눌 값만 정해줘도 확장성과 부동소수점 오차 문제 둘 다 해결 가능할 듯
데이터간 거리가 문제된다고 책에서 읽은듯 표준화 안하면 9999 정도의 숫자들 모임과 0.1 정도의 숫자들 모임을 같이 넣어서 분석 돌리면 잘못된 결과가 나옴다.. - dc App
컴퓨터 변수는 유효숫자가 제한되어있어서 아주 큰값 + 아주 작은값 계산을 하면 무시하기힘든 오차가 발생되는데 이게 계속 누적되면 나중에 오차가 커짐. 그래서
그니까 부동소수 자리수 차이 고려할 필요가 있다는거지?
근데 왜 설명하는 놈을은 최적화라고 하는거임??
데이터 스케일 차이나면 성능 떨어지니까
어쨋든 내부에서 데이터 스케일에 대한 리그레션이 일어나야 하니 걍 처리하는게 낫다고 보는거임?
보통은 그렇게 보는거같음 그쪽은 배운게 없어서 더이상은 나도모름
내가 봤을 때에는 무조껀 표준편차나 정규화 하기 보다는. 값의 크기 범위를 보고 나눌 값만 정해줘도 확장성과 부동소수점 오차 문제 둘 다 해결 가능할 듯
데이터간 거리가 문제된다고 책에서 읽은듯 표준화 안하면 9999 정도의 숫자들 모임과 0.1 정도의 숫자들 모임을 같이 넣어서 분석 돌리면 잘못된 결과가 나옴다.. - dc App