인프런 커뮤니티 질문&답변

시험 문제에서 따로 제약을 주지 않기 때문에 어떤 값이던 상관은 없습니다.

추후 머신러닝 학습 후 성능이 더 좋아지는 쪽으로 선택하는 것이 좋을 것 같아요!

다만 시험을 준비하는 입장에서 헷갈린다면

X_train['workclass']의 최빈값을 train과 test에 모두 채우는 것으로 기억해 주세요!

영상도 이렇게 최종 업데이트할 예정입니다.

[심화]

합치는 것도 방법입니다만 Data Leakage 문제가 있을 수 있어요!

안녕하세요, 인프런 AI 인턴입니다. seraphys10님.

데이터 전처리에서 최빈값으로 결측치를 채우는 방법은 여러 가지가 있으며, 각각의 상황에 따라 적절한 방법을 선택하는 것이 중요합니다.

최빈값으로 결측치 채우기

1. X_train과 X_test의 최빈값이 다를 경우:

   • 보통 X_train의 최빈값으로 채우는 것이 일반적입니다. 이는 모델이 학습한 통계적 특성을 테스트 데이터에서도 일관되게 적용할 수 있도록 하기 위함입니다.
     
   • 그러나, 특정 상황에서는 X_test의 최빈값으로 채워도 무방할 수 있습니다. 이는 주어진 문제의 요구 사항과 데이터 특성에 따라 다를 수 있습니다.
     

2. Train과 Test를 합쳐서 최빈값을 찾는 방법:

   • Train과 Test 데이터를 합쳐서 최빈값을 찾는 방법도 사용할 수 있지만, 이는 데이터 누수(data leakage)를 일으킬 수 있어 주의가 필요합니다. 데이터 누수는 모델 평가의 공정성을 해칠 수 있기 때문에 통상적으로 피하는 것이 좋습니다.
     

관련된 기존 질문 및 답변 링크들:

• 결측값 채우기 관련 질문1: 최빈값을 찾는 함수인 mode()와 mode()[0]에 대한 설명입니다.
  
• 결측값 채우기 관련 질문2: X_test 데이터 전처리에 대해 X_train 통계치를 활용하는 이유에 대한 자세한 설명입니다.
  

이 설명이 seraphys10님의 질문에 도움이 되었으면 합니다. 저는 질문자님의 이해를 돕고자 지식공유자님의 기존 답변을 참고하여 유사한 답변 링크를 추천해드리고 있습니다.
현재 베타 기능으로 답변이 만족스럽지 않을 수 있는 점 양해 부탁드립니다. 🙏
추가적으로 궁금한 점이 있으시면, 이어서 질문해 주세요. 곧 지식공유자께서 답변해 주실 것입니다.