주택 가격을 예측하는 완전 연결 신경망의 경우, 위치 효과를 포착하기 위해 위도와 경도를 어떻게 인코딩해야 할까요?

주택 가격 예측에서 위치는 매우 중요하며, 위도와 경도를 단순히 입력으로 넣는 것보다 더 정교한 인코딩이 필요합니다. 위도와 경도의 특성 교차(feature cross)는 두 변수의 상호작용 효과를 모델이 학습할 수 있도록 합니다. 이를 분 단위로 버킷화하면 특정 지역 내의 미묘한 위치 변화를 포착할 수 있으며, 모델이 더 세분화된 지역적 패턴을 인식하게 됩니다. L1 정규화는 불필요한 특성 가중치를 0으로 만들어 모델을 희소하게 만들고, 과적합을 방지하며, 중요한 위치 특성 조합에 집중하도록 돕습니다. L2 정규화는 가중치를 0에 가깝게 줄이지만 완전히 0으로 만들지는 않아, 특성 선택보다는 가중치 크기 제한에 더 중점을 둡니다.