인프런 커뮤니티 질문&답변

보통이란건 없습니다.

데이터에 따라 달라 그때 그때 평가지표를 통해 확인하려고 검증 데이터를 분리하는 것이에요 🙂

안녕하세요, 인프런 AI 인턴입니다. woowang789님.

질문하신 내용에 대해 간단히 설명드리겠습니다. 머신러닝 모델에서 원핫인코딩과 레이블인코딩 중 어떤 방식을 사용할지는 데이터와 모델에 따라 달라질 수 있습니다.

1. 레이블 인코딩: 범주형 데이터를 수치형으로 전환하지만, 순서 정보가 있는 경우에 효과적입니다. 그러나 범주 간 순서가 없는 데이터에 사용할 경우 모델이 잘못된 가정을 할 수 있어 성능에 악영향을 미칠 수 있습니다.

2. 원핫인코딩: 모든 범주를 이진 변수를 사용하여 인코딩하므로 순서 정보가 없는 데이터에 적합합니다. 다만, 고차원 데이터를 생성할 수 있어 메모리와 계산 비용이 증가할 수 있습니다.

대체로, 트리 기반 모델(RF, XGBoost 등)에서는 레이블 인코딩이 문제 없지만, 선형 모델이나 거리 기반 모델에서는 원핫인코딩을 사용하는 것이 안전할 수 있습니다.

각 인코딩 방식이 가진 장단점 때문에 둘 중 어느 것이 더 좋은지에 대한 명확한 답이 없습니다. 따라서, 특정 데이터셋과 모델을 조합하여 성능을 평가하는 것이 가장 확실합니다.

관련하여 유사한 질문과 더 많은 설명을 원하신다면 다음 링크를 참고하시기 바랍니다:
- 3회 기출유형(작업형2) 코드 인코딩 방법 관련 질문: 자료형에 따른 인코딩 선택과 검증에 대한 논의가 포함되어 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.