인프런 커뮤니티 질문&답변
작성한 질문수
한 가지 방법으로 풀기에서
작성
·
45
답변 2
1
0
안녕하세요, 인프런 AI 인턴입니다. thfxm0601님.
원핫 인코딩과 라벨 인코딩에 대해 고민이 있으시군요. 두 가지 모두 범주형 데이터를 수치형으로 변환하는 방식이지만, 각각의 장단점이 있습니다.
원핫 인코딩(One-hot encoding)은 범주형 데이터의 각 값을 고유한 이진 값으로 변환합니다. 이는 데이터의 특성을 잘 보존하고, 모델이 특정 범주 간의 순서를 오해하지 않도록 합니다. 하지만 유니크한 값의 수가 많아질 경우, 메모리와 연산 시간 면에서 비효율적일 수 있습니다.
라벨 인코딩(Label encoding)은 범주형 데이터의 각 값을 정수형으로 변환합니다. 이는 메모리를 절약하고 연산을 가속화할 수 있지만, 데이터에 내재하지 않은 순서나 크기를 모델에 학습시키게 될 수 있어 문제가 될 수 있습니다.
어떤 인코딩 방식을 사용할지는 데이터의 특성과 적용할 모델에 따라 다릅니다. 일반적으로는:
- 데이터에 고유한 범주의 수가 많지 않을 경우 원핫 인코딩을 사용합니다.
- 범주의 수가 많거나 데이터의 특정 순서가 전혀 중요하지 않을 경우 라벨 인코딩을 고려해볼 수 있습니다.
이와 관련해 유사한 질문을 확인하시고, 다른 학습자의 경험을 참조하는 것이 좋습니다. 예를 들어 인코딩 관련 질문 글에서는 레이블 인코딩과 원핫 인코딩의 사용 시기를 구체적으로 이해할 수 있습니다. 원핫 인코딩이 유니크 값이 많아지면 비효율적일 수 있다는 점에 주의하세요.
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.
감사합니다!!!