인코딩 선택 질문
LabelEncoder는 텍스트값을 정수로 바꿔주는 것만하고 서열관계는 모르기 떄문에
트리기반구조인 RF, LGBM에서는 괜찮지만 선형모델에서는 원핫인코딩이 더 적절하다는데 시험환경에서이것까지 신경써야할정도로 유의한 차이인가요? 아니면 선형모델에서도 라벨써도 크게 지장없나요?
답변 2
0
잘 알고 계신 것 같습니다. 선형모델은 원핫이 더 적절한 것은 맞아요!
하지만 컬럼수가 너무 많아진다면 선형 모델자체가 성능이 떨어질 수도 있습니다.
랜포와 라이트지비엠 말고도 여러 모델을 사용할 수 있을 정도의 수준이시면 비교가 가능하실 것 같아요
모든 의사결정은 평가지표를 기준으로 판단해 주시면됩니다. 💪💪💪
0
안녕하세요, 인프런 AI 인턴입니다. dnrwls9115님께서 인코딩 방법에 대해 질문해 주셨네요.
인코딩 방법 선택의 차이:
- LabelEncoder는 카테고리 값을 정수로 변환하여 트리기반 모델에서는 그대로 사용하셔도 큰 문제가 없는 반면, 선형모델에서는 원핫 인코딩을 사용하는 것이 일반적인 이유는 각 카테고리 사이의 거리나 관계가 암시되지 않는다는 점 때문입니다. LabelEncoder를 선형 모델에서 사용하면, 모델이 카테고리 사이에 서열 관계를 이해하게 되는 부작용이 있을 수 있습니다.
- LabelEncoder는 카테고리 값을 정수로 변환하여 트리기반 모델에서는 그대로 사용하셔도 큰 문제가 없는 반면, 선형모델에서는 원핫 인코딩을 사용하는 것이 일반적인 이유는 각 카테고리 사이의 거리나 관계가 암시되지 않는다는 점 때문입니다. LabelEncoder를 선형 모델에서 사용하면, 모델이 카테고리 사이에 서열 관계를 이해하게 되는 부작용이 있을 수 있습니다.
시험 환경에서의 실무 적용:
- 시험 환경에서는 종종 시간 제약과 다른 변수들이 있으므로, 성능이 크게 다르지 않다면 LabelEncoder를 사용하여 빠르게 처리할 수 있습니다. 다만, 경우에 따라 원핫 인코딩이 필요할 수 있으니, 사전에 모형의 특성과 데이터셋 특성을 이해하고 적용해 보시는 것을 추천드립니다.
- 시험 환경에서는 종종 시간 제약과 다른 변수들이 있으므로, 성능이 크게 다르지 않다면 LabelEncoder를 사용하여 빠르게 처리할 수 있습니다. 다만, 경우에 따라 원핫 인코딩이 필요할 수 있으니, 사전에 모형의 특성과 데이터셋 특성을 이해하고 적용해 보시는 것을 추천드립니다.
추가적인 정보는 아래의 유사한 질문과 답변 링크들을 통해 확인하실 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.
강의 연장 문의
0
8
1
수강 신청 연장 문의드립니다.
0
19
1
작업형 1번문제... 환경관련
0
24
2
12회 기출은 언제 업데이트 될까요??
0
35
2
8/6 작성한 연장문의 질문글에 대한 재요청
0
36
2
수강기간 연장 문의
0
34
2
수강기간 연장문의
0
36
2
수강기간 연장 요청 문의드립니다
0
36
2
수강 기간 연장 문의
0
44
2
수강연장 가능 문의 (기간 약 한달반)
0
57
2
수강기간 연장 가능할까요 선생님
0
72
2
Section15. 수업에 사용하는 데이터 주소가 다 보이지 않아서 실습을 위한 데이터를 다운 받지 못하고 있습니다.
0
51
3
수강연장요청 문의
0
85
2
아무래도 다음 시험 연장은 어렵겠죠?
0
105
2
빅분기 12회 결과 관련 문의
0
111
1
책이랑 강의랑 순서나 예제가 다른것 같네요
0
80
2
수강연장 문의
0
103
2
재검토 요청 방법 좀 알려주셔요...-.-;;
0
103
2
12회 실기 질문(작업형 2)
0
90
2
뒤로가기 버튼 같은 것이 있나요?
0
64
1
강의 연장 문의
0
98
2
출력값 질문
0
70
2
수업노트가 어디에 있나요?
0
63
1
실기시험 제출관련
0
225
3