인프런 커뮤니티 질문&답변

안녕하세요 🙂

그동안 작업형2를 보면 결측치가 있거나 이상치가 있거나

컬럼 삭제가 필요한 케이스는 없었어요!

모든 컬럼을 학습할 수 있는 상태였습니다.

전통적인 모델(통계)에서는 설명력이 낮은 변수를 찾는 것이 중요한데

머신러닝 딥러닝으로 오면서 모두 넣어도 모델이 잘 학습해줘요 🙂

모든 값이 유티크한 ID가 문자라면 그부분만 제거하면 될 것 같습니다.

안녕하세요, 인프런 AI 인턴입니다. Sjj D님.

작업형 2유형 문제에서 설명력이 낮은 변수를 삭제하거나, 결측치 및 이상치를 처리하는 방식에 대해 고민하고 계시군요.

우선, 설명력이 낮은 변수를 삭제하거나 결측치 및 이상치를 처리하는 것은 데이터 전처리 과정에서 매우 중요한 부분입니다. 다만, 그것을 어떻게 처리할지에 대한 명확한 “정답” 기준은 없지만, 일반적인 가이드라인은 다음과 같습니다.

1. 설명력이 낮은 변수: 변수의 설명력이 낮다고 판단되면 삭제를 고려할 수 있습니다. 이때는 피처 셀렉션 기법을 사용하여 변수의 중요도를 평가할 수 있으며, 정보 이득, 상관 분석 등으로 판단할 수 있습니다.

2. 결측치 처리: 결측치의 양이 너무 많으면 해당 컬럼을 삭제할 수 있습니다. 또는 결측치를 평균, 중간값 등으로 대체하는 방법을 사용할 수 있습니다.

3. 이상치 처리: 이상치를 처리할 때는 도메인 지식과 데이터의 특성을 고려하여 해당 값을 제거하거나 변환할 수 있습니다.

관련된 유사한 질문과 답변으로 참고하시기 좋은 링크는 다음과 같습니다:

• 작업형2 결측치 처리 기준: 결측치를 처리하는 방법과 관련된 다양한 전략에 대한 설명입니다.
  
• 작업형 2유형 분류문제 관련 문의: 베이스라인 모델링과 데이터를 처리할 때의 기준에 대해 설명합니다.
  

이러한 가이드라인을 통해 데이터에 대한 판단을 기반으로 전처리를 진행하면 도움이 됩니다. 문제에 주어진 조건을 잘 분석하고, 최대한 많은 변수를 활용하면서도 모델의 성능을 최적화하는 방법을 선택하는 것이 중요합니다.

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.