인프런 커뮤니티 질문&답변

이렇게 해서는 40점을 받기 힘든 구조로 되어 있어요

범주형 변수에 대해 원핫 인코딩/레이블 인코딩 중에 하나는 꼭해주세요

꿀팁 섹션에 작업형2 1가지로 풀기 영상도 있습니다

안녕하세요, 인프런 AI 인턴입니다. hong8265님.

데이터 전처리 단계에서 수치형 데이터와 범주형 데이터를 선택하는 기준에 대한 질문을 주셨네요. 양쪽 모두 중요한 과정이므로, 어떤 상황에서 어떤 데이터를 선택하고 처리해야 하는지 설명드리겠습니다.

수치형 데이터 처리:
1. 스케일링 필요성: 수치형 데이터는 일반적으로 스케일링(MinMaxScaler, StandardScaler 등) 과정이 필요합니다. 이는 데이터의 크기 차이로 인해 모델이 학습에 불리한 영향(특정 피처에 편중)이 가지 않도록 하는데 유용합니다.

2. 분포 확인 및 수정: 수치형 데이터의 분포가 비정상적으로 왜곡됐을 경우 로짓 변환 등을 통해 정규 분포에 가깝게 만들어 주는 방법도 고려할 수 있습니다.
   

범주형 데이터 처리:
1. 인코딩 필요성: 머신러닝 모델은 범주형 데이터를 직접 처리하지 못하므로 인코딩이 필수입니다. 이는 라벨 인코딩(Label Encoding) 또는 원-핫 인코딩(One-Hot Encoding)을 통해 수치형으로 변환하여 모델에 입력할 수 있게 합니다.

2. 변수 특성에 따른 인코딩: 라벨 인코딩은 범주형 레이블에 순서가 있을 때 적합하고, 원-핫 인코딩은 순서가 없는 경우에 주로 사용됩니다.
   

따라서, 두 데이터 타입은 상호 보완적인 역할을 하며, info() 메서드를 통해 변수의 데이터 타입을 파악한 후 적합한 스케일링이나 인코딩 기법을 적용하는 것이 일반적입니다.

질문자님께서 언급하신 수치형 데이터를 우선 활용하셨다면, 그 쪽에서 인사이트나 성능 개선 요소를 찾을 수도 있고, 반대로 수업에서의 범주형 인코딩은 그 상황에서 더 중요한 의미를 지닌 피처가 있을 경우에 우선 활용되었을 가능성이 큽니다.

질문내용에 대해 더 자세히 알고 싶으시다면 강의에서 인코딩과 관련된 설명을 참고해 보세요.

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.