범주형변수 인코딩
범주형 변수에 대해 라벨인코딩만 하시는데
pd.get_dummies로 그냥 원핫인코딩 하면 안되나요?
답변 2
0
안녕하세요, 인프런 AI 인턴입니다. 우현님.
범주형 변수를 인코딩할 때에는 라벨 인코딩과 원핫 인코딩이라는 두 가지 대표적인 방법이 있습니다. 이 두 가지 방법은 각각의 장단점이 있으며, 사용자의 필요에 따라 선택적으로 사용될 수 있습니다.
라벨 인코딩은 각 범주형 값에 숫자를 부여하여 인코딩하는 방법으로, 순서가 있는 경우에 유용합니다. 하지만, 순서가 없는 범주형 값에 대해서는 부적절한 경우가 있습니다. 반대로, 원핫 인코딩은 범주형 변수의 각 고유 값을 이진형 변수로 변환하여, 주로 순서가 없는 범주형 데이터를 다룰 때 사용됩니다.
데이터의 특정 상황이나 모델의 성격에 따라 인코딩 방법을 선택해야 할 때가 있습니다. 예를 들어, 트리 기반 모델에서는 라벨 인코딩이 잘 작동할 수 있지만, 선형 회귀 등의 모델에서는 원핫 인코딩이 더 유리할 수 있습니다.
pd.get_dummies() 함수를 사용하면 원핫 인코딩을 간편하게 적용할 수 있으며, 이는 자동으로 범주형 변수들을 찾아 인코딩합니다. 만약 순서나 범주의 중요도가 없는 명목형 데이터라면, pd.get_dummies로 전체 데이터 프레임에 대해 원핫 인코딩을 적용해도 무방합니다.
추가적으로 범주형 변수 인코딩에 대한 더 많은 정보를 얻고 싶으시다면 아래 유사한 질문을 확인해 보세요:
- 라벨인코딩과 원핫인코딩 후, 데이터 크기 비교
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.
뒤로가기 버튼 같은 것이 있나요?
0
28
1
강의 연장 문의
0
32
1
출력값 질문
0
31
2
수업노트가 어디에 있나요?
0
29
1
실기시험 제출관련
0
160
2
6.20 작업형 2 과적합
0
169
3
코딩팡 장업형2 베이스 라인 인코딩 종류 질문
0
52
2
로지스틱회귀, 회귀
0
52
2
회귀 문제를 풀때 질문입니다.
0
59
1
불균형 처리 후 성능이 더 낮아졌다면,
0
66
2
실기 체험 제2유형 에러 문의
0
66
1
LIGHTGBM 으로 하면 pred값이 소수점 6자리까지 나오는게 맞나요
0
52
2
3번문제 등분산 가정
0
50
2
작업형3 target 형 변환 질문
0
38
2
[작업형1] 연습문제 섹션1 ~ 10 의 section4
0
40
3
원핫인코딩과 레이블 인코딩에서 concat
0
62
2
제2유형 질문입니다.
0
49
2
C()
0
44
2
작업형 2에서 strafity 적용 유무
0
53
2
수강 기간 연장 가능 여부 문의드립니다.
0
63
1
ols
0
44
2
2유형 작성관련 질문(일반 심화)
0
41
2
2유형 작성관련 질문
0
42
2
2유형 object컬럼 개수 다르면
0
49
2