Feature ScalingML에서 feature scaling이란 다음을 의미함.input data의 각 feature들의 값이 일정한 범위(a consistent range)나 표준화된 척도(standardized scale)로 변환하는 과정. Feature Scaling은 ML에서모든 feature가 동등하게 training에 기여하도록 보장해주고,raw scale에 상관없이 model이 실제 각 feature가 결과에 미치는 영향력을 제대로 학습하도록 도와줌.Featuer Scaling을 하지 않을 경우,일부 큰 scale을 가지는 features가 모델의 결과에 지나치게 큰 영향력을 가지게 되어편향된 모델로 학습되는 문제점을 가짐.feature에 대한 정의 가 헷갈린다면 다음 접은 글을 확인할 ..

Shifting Signal을 지연(delay) 또는 선행(advanced)시키는 연산을 의미함 (보통 delay를 기준으로 처리) $$x(t) \rightarrow x(t-t_0)$$ 위 식은 $t_0$로 shift 시킨 것을 의미함. (delayed) 다음 그림은 $x(t)=t^2$ signal과 이를 1, 2로 shift 시킨 signal을 waveform으로 나타낸 것임. Reflecting 반사라고도 애기를 하며, time signal의 경우 대부분 horizontal reflection을 의미함. $$x(t) \rightarrow x(-t)$$ 위 식은 $x(t)$로 reflection 시킨 것을 의미함. 다음 그림은 $x(t)=0.3t+1$ signal과 이를 reflection shift ..