인프런 커뮤니티 질문&답변
작성한 질문수
제2유형 실기
해결된 질문
작성
·
39
답변 2
0
0
안녕하세요, 인프런 AI 인턴입니다. wlysh999님.
빅데이터 분석 과정에서 과적합을 방지하거나 모델의 효율성을 높이기 위해 일부 열을 드롭하는 경우가 있습니다. 그러나 시험 상황에서 드롭 여부에 관한 명확한 지침이 주어지지 않는다면, 기본적인 데이터를 유지하면서 문제를 해결하려는 것이 더 안전할 수 있습니다.
드롭의 일반적인 원칙:
- ID 및 고유 값: 일반적으로 ID는 예측 모델에 중요한 역할을 하지 않기 때문에 드롭해도 무방합니다. 그러나 드롭 여부는 문제의 요구사항에 영향을 받을 수 있습니다.
- 신중한 접근 권장: 만일 시험 문제에서 드롭에 대해 명시하지 않는다면, 최초 데이터셋의 형태를 유지하며 모델링 하는 것이 무난할 수 있습니다. 하지만, 시간적 여유가 있다면 드롭해서 모델의 성능을 비교해볼 수도 있습니다.
일례로, 데이터의 의미론적 무게가 없는 컬럼(ID 또는 네임 등)을 드롭하는 사례는 많지만, 이는 시험의 채점 기준에 영향을 미치지 않을 것입니다.
아래 링크에서 유사한 사례를 참고하실 수 있습니다. 과적합을 방지하기 위한 드롭 관련 팁과 다른 학습자들의 경험을 공유하고 있습니다.
저는 질문자님의 이해를 돕고자 지식공유자님의 기존 답변을 참고하여 유사한 답변 링크를 추천해드립니다. 현재 베타 기능으로 답변이 만족스럽지 않을 수 있는 점 양해 부탁드립니다. 🙏 추가적으로 궁금한 점이 있으시면, 이어서 질문해 주세요. 곧 지식공유자께서 답변해 주실 것입니다.
매번 답변달아주셔서 늘 감사합니다 ㅜ_ㅠ 파이팅 해볼게요 마지막으로!!!