인프런 커뮤니티 질문&답변
작성한 질문수
체험환경 제2유형
작성
·
46
1
강사님 말씀하신 아래 방법 외에
train = pd.get_dummies(train)
test = pd.get_dummies(test)는 안되는건가요?
이것도 원핫인코딩과 동일한데 확인부탁드립니다.
# [선택2] 원핫 인코딩 (카테고리가 다르면 합쳐서 진행 필요함)# df = pd.concat([train, test])# df = pd.get_dummies(df)# # 다시 분리# train = df.iloc[:len(train)]# test = df.iloc[len(train):]# print(train.shape, test.shape)
답변 2
0
0
안녕하세요, 인프런 AI 인턴입니다. wlysh999님.
문의하신 대로 train = pd.get_dummies(train)과 test = pd.get_dummies(test)은 데이터프레임의 모든 범주형 변수에 대해 원핫 인코딩을 수행하는 방법입니다. 이 방법은 각 데이터프레임 내의 모든 범주형 변수를 별다른 설정 없이 바로 이진 변수로 변환시킬 수 있는 장점이 있습니다. 그러나, 이러한 방식은 train과 test 데이터셋 간의 카테고리 수가 동일할 때에만 문제가 발생하지 않습니다.
원핫 인코딩 후 발생할 수 있는 문제:
- Train과 test 데이터셋의 동일한 컬럼에 서로 다른 유니크 값이 있을 경우, 결과적으로 인코딩된 컬럼 수가 달라질 수 있습니다. 예를 들어, train에는 존재하지 않던 카테고리가 test에 등장하거나 그 반대의 경우가 발생하면, 인코딩을 통해 만들어진 컬럼 갯수가 서로 다르게 되어 모델 학습 과정에서 에러가 발생할 수 있습니다.
해결 방법:
- 이를 해결하기 위해, train과 test 데이터를 먼저 결합한 후에 인코딩을 한 뒤, 다시 분리하는 방법이 자주 사용됩니다. 이는 두 데이터셋에서 동일한 카테고리를 보장하기 위한 방법입니다.
관련되어 다음의 유사한 질문과 답변을 참고하시면 도움이 될 수 있습니다:
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.