오브젝트형 데이터가 많은 문제 관련
안녕하세요.
오브젝트가 대부분인 데이터인데, 오브젝트를 드랍한 게 인코딩 했을 때보다 점수가 더 좋게 나오는 경우..
그냥 드랍해서 모델 학습시켜도 되는 걸까요?
전에 다른 회차에서도 하나만 수치형 데이터인데 그 수치형 데이터만으로 예측한 게 점수가 더 좋게 나왔었어요..!
답변 2
0
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.
데이터의 중요도 분석: 오브젝트형 데이터가 중요한 정보를 담고 있는지 분석해보세요. 만약 모델에 기여하는 바가 적다면 드랍하는 것이 옳을 수 있습니다.
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.
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.
과적합 방지: 위 경우와 비슷하게, 종종 데이터를 드랍하는 것이 아닌, 드랍하지 않는 상황에서 과적합을 방지하기 위한 제약과 규제를 추가할 수도 있습니다.
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.
작업형1 강의 수강 완료 후..
0
6
0
작업형1 모의문제 4번에 3)문제 질문
0
15
2
이상치 전처리 작업
0
21
2
평가결과값 문의
0
27
2
시계열 데이터 날짜와 시간 format
0
31
2
평가지표 F1 스코어 질문드립니다.
0
24
2
작업형 2 기출7회분에서
0
36
2
작업형2 모의문제1 (30강)
0
34
2
수강 기간 연장 문의 드립니다.
0
41
2
수강 계획과 관련해 문의 드립니다.
0
28
2
작업형1 - 연습문제 16~39 풀이는 몇강을 보면 되나요?
0
50
2
작업형 1 -연습문제 4-6
0
38
2
작업형 1 유형 부분
0
42
2
작업형 1 (삭제예정, 구 버전)
0
51
2
수강기간 연장 문의드립니다.
0
38
2
2유형 레이블 인코딩 VS 원핫 인코딩
0
37
3
수강기간 연장 문의드립니다.
0
44
2
인덱스 슬라이싱
0
37
2
질문 드립니다.
0
50
2
강의 내용 관련 질문드립니다~
0
46
2
수강 연장 문의
0
63
2
강의자료 일괄 다운로드
0
61
2
수강기간 연장 문의드립니다
0
48
2
list 문제 질문드립니다~
0
38
2