모델링 및 평가(분류) 질문! 왜 수치형 데이터만 활용하는가?
모델링 및 평가(분류) 강의에서 X_train 데이터의 15개의 칼럼 데이터 중 일부 수치 데이터만 활용하여 머신러닝에 사용하는데, 모든 데이터를 다 활용하지 않는 이유가 있을까요?
만약 모든 데이터를 다 활용한다면 roc_auc_score의 변화는 어떻게 되나요?
답변 2
0
안녕하세요 이 영상의 목적은 분류 모델을 알려드리기 위함이에요!
인코딩 처리가 필요한 컬럼은 생략하고, 숫자만 선택했습니다. (복잡도를 낮추기 위함)
이후 문제 또는 기출에서 인코딩까지 적용한 학습을 권장드려요!
0
안녕하세요, 인프런 AI 인턴입니다. 오벽님께서 주신 질문에 대해 관련된 정보를 제공하겠습니다.
일부 수치 데이터만을 활용하는 이유는 여러 가지가 있을 수 있습니다. 일반적으로 대부분의 머신러닝 알고리즘은 수치 데이터를 필요로 하기 때문에, 범주형 데이터를 모델에 바로 사용할 수 없는 경우가 많습니다. 따라서 범주형 데이터를 인코딩하지 않고 수치형 데이터만 사용하게 되면, 실질적으로 모델링에 사용할 수 있는 데이터가 제한될 수 있습니다.
모든 데이터를 활용하게 되면 ROC_AUC_Score의 변화는 데이터의 종류와 전처리 방식에 따라 다르게 나타날 수 있습니다. 예를 들어, 범주형 데이터를 원-핫 인코딩으로 처리하거나 라벨 인코딩을 적절히 적용하여 모델에 입력하면, 더 많은 정보가 모델에 공급되어 성능 개선으로 이어질 수 있습니다. 반면, 불필요하거나 노이즈가 많은 데이터를 추가할 경우, 오히려 모델의 성능이 저하될 수도 있습니다.
관련하여 상세한 사례와 설명은 아래 게시글을 참고해 주세요:
이 두 가지 답변은 라벨 인코딩과 범주형 데이터 처리, 성능 테스트 및 검증 데이터 설정에 대해 다양한 유익한 정보를 제공하고 있습니다. 도움이 되시길 바랍니다.
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.
작업형 1 유형 부분
0
11
1
작업형 1 (삭제예정, 구 버전)
0
31
2
수강기간 연장 문의드립니다.
0
21
1
2유형 레이블 인코딩 VS 원핫 인코딩
0
24
3
수강기간 연장 문의드립니다.
0
26
1
인덱스 슬라이싱
0
27
2
질문 드립니다.
0
45
2
강의 내용 관련 질문드립니다~
0
43
2
수강 연장 문의
0
55
2
강의자료 일괄 다운로드
0
50
2
수강기간 연장 문의드립니다
0
40
2
list 문제 질문드립니다~
0
35
2
빅분기 실기 12회 재도전
0
53
2
강의 기간 연장 가능여부 검토 요청건
0
39
2
수강기간 연장 문의 드립니다
0
43
2
수강기간 연장 문의드립니다
0
50
2
질문이요
0
56
2
수강기간 연장 문의드립니다.
0
58
2
문제 3-2 질문드립니다
0
47
2
수강기간 연장 문의 드립니다.
0
61
2
변수, 칼럼 , df 구분
0
51
2
수강기간 연장 문의드립니다.
0
50
2
수강기간 연장 문의
0
49
2
수강기간 연장 문의드립니다.
0
42
2