인프런 커뮤니티 질문&답변

# 출력을 원하실 경우 print() 함수 활용

# 예시) print(df.head())

# getcwd(), chdir() 등 작업 폴더 설정 불필요

# 파일 경로 상 내부 드라이브 경로(C: 등) 접근 불가

import pandas as pd

train = pd.read_csv("data/customer_train.csv")

test = pd.read_csv("data/customer_test.csv")

pd.set_option("display.max_columns", None)

train['환불금액'] = train['환불금액'].fillna(0)

test['환불금액'] = test['환불금액'].fillna(0)

train = train.drop("회원ID", axis = 1)

test = test.drop("회원ID", axis = 1)

target = train.pop("총구매액")

#print(train.describe(include = 'O'))

#print(test.describe(include = 'O'))

total = pd.concat([train,test])

nums = total.select_dtypes(exclude = 'object').columns

cols = total.select_dtypes(include = 'object').columns

from sklearn.preprocessing import MinMaxScaler

mx = MinMaxScaler()

total[nums] = mx.fit_transform(total[nums])

from sklearn.preprocessing import LabelEncoder

for col in cols:

le = LabelEncoder()

total[col] = le.fit_transform(total[col])

train = total.iloc[:3500]

test = total.iloc[3500:]

from sklearn.model_selection import train_test_split

x_tr, x_val, y_tr, y_val = train_test_split(train,target,test_size = 0.2, random_state = 2022)

from sklearn.ensemble import RandomForestRegressor

model = RandomForestRegressor(random_state = 2022, max_depth = 10,n_estimators = 800)

model.fit(x_tr,y_tr)

pred = model.predict(x_val)

#81957423.82110961

pred = model.predict(test)

re = pd.DataFrame({"pred":pred})

re.to_csv("result.csv",index=False)

v = pd.read_csv("result.csv")

print(v.shape)

강사님 안녕하세요 짧은 지식으로 2유형을 혼자 풀어보고 나서 강의를 들었는데 라벨 인코딩은 set 을 활용해서 train 안에 test 데이터가 다 있다면 따로 합치지 않아도 된다는걸 이제야 알았습니다! 혹시 저처럼 합쳐서 라벨인코딩을 진행하게되면 모델 성능에 큰 영향을 미칠까요? 그리고 합치게 된다면 그냥 원핫 인코딩으로 일관되게 쓰면 되는지도 궁금합니다