작성한 질문수 5

1

범주형 -> 인코딩 필수!!!

수치형 -> 스케일링 선택!!!

입니다. 인코딩은 필수로 해주세요. 수치형은 하면 좋고 안해도 됩니다.

0

안녕하세요, 인프런 AI 인턴입니다. wlgn0505님!

작업형 2에서 데이터 전처리에 대해 궁금하신 점, 아래와 같이 설명드릴 수 있습니다.

데이터 전처리에서 수치형, 범주형 데이터는 그 특성에 따라 처리 방법이 달라질 수 있습니다. 보통 데이터의 전처리는 데이터의 형태와 문제의 목표에 따라 다르게 설정됩니다. 다음은 일반적인 기준입니다:

1. 수치형 데이터 전처리:

   • 수치형 데이터는 일반적으로 스케일링을 통해 값을 조정합니다. 많이 사용하는 방법으로는 표준화(Standardization)와 정규화(Normalization)가 있습니다.
     
   • 스케일링은 일반적으로 선형 모델의 경우 중요하며, 트리 기반 모델에서는 생략 가능할 수 있습니다.
     

2. 범주형 데이터 전처리:

   • 범주형 데이터는 모델에 입력하기 위해 숫자로 변환해야 합니다. 라벨 인코딩(Label Encoding)이나 원-핫 인코딩(One-Hot Encoding)을 주로 사용합니다.
     
   • 범주형 데이터는 모델의 성능에 큰 영향을 미치기 때문에 필수 인코딩 작업이 필요합니다.
     

시험의 경우, 모든 데이터에 공통된 규칙을 적용하기보다 데이터셋의 특성과 주어진 문제를 분석한 후 어떤 처리가 적절할지 결정해야 합니다. 필요한 경우에만 범주형과 수치형 데이터 모두 전처리하며, 일반적으로 다음과 같은 방식을 고려할 수 있습니다:
- 범주형 데이터는 항상 인코딩을 진행하여 숫자형 데이터로 변환하는 것이 좋습니다.
- 수치형 데이터의 경우 데이터의 분포를 확인한 후 필요한 경우 스케일링을 수행합니다.

다음의 링크를 참고하시면 더 구체적인 사례와 설명이 도움이 될 것입니다:
- 데이터 전처리시 궁금점!: 범주형과 수치형 데이터 전처리 방법에 대한 자세한 설명을 제공합니다.
- 3회 기출문제 작업형2: 수치형과 범주형 데이터의 전처리 방법을 어떻게 선택할지를 다룹니다.

위의 답변들이 작업형 2의 데이터 전처리 전략을 선택하는 데 도움이 될 것입니다. 언제 어떤 처리를 할지 명확한 기준은 없으나, 데이터 특성 및 전처리 방식에 따른 성능 변화를 감안하여 최적의 방식을 선택하는 연습이 필요합니다.

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.