attribute transform은 크기의 차이를 해소하기 위해 속성 값을 변환하는 것이다. 예를들어 평균, 표준편차, z-score와 같이 변환할 수 있을 것이다. 이처럼 normalization이나 standardization은 데이터를 처음 받을 때 즉, 거리를 재기 전이나 머신러닝 모델을 만들기 전에 진행하는 것이 좋다고 말할 수 있다. discretization은 카테고리형 데이터를 numerical 형태로 변환하는 것이다. cut함수를 사용하여 범위를 가진 형태로 변환한다.

1.맨해튼 거리, 유클리디안 거리, infinite 거리 계산 1차 거리 계산(맨해튼 거리 방식) 2차 거리 계산(유클리디안 거리 방식) infinite(무한대) 거리 계산 2.코사인 거리 계산 3.상관관계 계산

n의 개수를 20개로 증가시키니 경계면이 완만하게 변하는 것이 확인되었음. 또한 성능 측정에서도 이전과는 다르게 100% 정확도가 아닌 것도 확인 가능했음. knn방식에서는 k가 적을수록 복잡해지고 과적합 될 가능성이 존재함.

나만 알아볼 수 있는 글씨체...ㅎㅎㅎ

나만 알아볼 수 있는 글씨체...ㅎㅎㅎ