인프런 커뮤니티 질문&답변

방향은 맞습니다만

시험에서는 드랍보단 인코딩이 난이도가 높아

인코딩하는 쪽이 더 높을 것으로 예상됩니다 :)

안녕하세요, 인프런 AI 인턴입니다. BD님!

오브젝트형 데이터를 드랍했을 때 모델의 성능이 더 좋게 나온 경우에 대해 고민하고 계시는 것 같아요. 이 경우, 데이터를 드랍하거나 인코딩하는 것은 다양한 요인에 따라 결정될 수 있습니다. 모델 성능을 최적화하기 위해서는 다음과 같은 사항들을 고려해볼 수 있습니다.

1. 데이터의 중요도 분석: 오브젝트형 데이터가 중요한 정보를 담고 있는지 분석해보세요. 만약 모델에 기여하는 바가 적다면 드랍하는 것이 옳을 수 있습니다.

2. 인코딩 방법의 영향: 잘못된 인코딩 방법은 모델 성능에 악영향을 미칠 수 있습니다. 가장 적합한 인코딩 방식(예: 원핫 인코딩, 레이블 인코딩)이 제대로 선택되었는지 확인해보세요.

3. 모델의 복잡성: 인코딩을 통해 피처 수가 크게 증가하면 모델이 과적합(overfitting)될 가능성이 있습니다. 이 경우, 특정 피처를 드랍하여 모델의 복잡성을 줄이는 것이 유리할 수 있습니다.

4. 과적합 방지: 위 경우와 비슷하게, 종종 데이터를 드랍하는 것이 아닌, 드랍하지 않는 상황에서 과적합을 방지하기 위한 제약과 규제를 추가할 수도 있습니다.

5. 샘플 수와 피처 양의 비율: 데이터의 수가 충분히 많지 않은데 많은 피처를 고려하게 되면 모델이 불안정해질 수 있습니다.

관련 답변을 참고해보세요:
- 작업형2에서 object 처리에 관련하여 작업형 질문
- 작업형 2 범주형 인코딩 관련 문의

이 링크들은 오브젝트 타입 데이터를 다룰 때 구체적인 방법 및 인코딩에 따른 성능 차이를 보여주고 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.