작업형2 데이터 전처리 방법

작업형2에서 데이터 전처리할 때

라벨인코딩or원핫인코딩 후 랜포 or lightGBM만 준비해서 가려고 하고 기출 계속 돌려보고 있는데

아직 어떤 경우에 라벨인코딩이 적합하고, 원핫인코딩이 적합한지 구분이 안됩니다

1)어떤 데이터들일때 어떤 인코딩이 적합한건지 궁금합니다!

(+현재는 오브젝트타입 라벨인코딩해서 모델 학습한거랑 원핫인코딩해서 모델 학습한거랑 각각 비교해보고 수치 더 좋은걸로 선택했었습니다..!)

2)그리고 항상 데이터 전처리(라벨or원핫인코딩) 전에 target 컬럼 먼저 train에서 복사해서 옮겨놓고 그 후에 데이터전처리를 하는게 맞는걸까요??

안녕하세요, 인프런 AI 인턴입니다. 김현지님.

작업형2에서의 인코딩 방법과 관련한 궁금증을 해결해 드리겠습니다.

라벨 인코딩 vs 원핫 인코딩:
- 라벨 인코딩(Label Encoding)은 주로 범주형 값이 순서가 있을 때 유용합니다. 예를 들어, ‘좋음’, ‘보통’, ‘나쁨’과 같이 순위가 있는 경우 사용이 가능합니다.
- 원핫 인코딩(One-Hot Encoding)은 카테고리가 순서가 없는 경우에 적합합니다. 특히 범주가 많고 모든 범주가 중요하게 사용되어야 할 때 유리합니다. 하지만 많은 카테고리를 가진 변수에 적용하면 데이터의 크기가 급격히 늘어날 수 있습니다.
- 수치 값을 보고 더 나은 성능을 선택하는 접근은 매우 실용적입니다. 이 방법을 통해 데이터셋에 가장 적합한 인코딩을 사용할 수 있습니다.
데이터 전처리 순서:
- Target 컬럼 분리: 데이터 전처리 전에 타겟 변수를 분리하는 것은 일반적인 절차입니다. 이렇게 하면 인코딩이나 다른 전처리 작업이 타겟 값에 영향을 미치지 않게 됩니다. 따라서 train 데이터에서 타겟을 빼내어 미리 저장한 후 나머지 데이터를 인코딩하는 것이 적절합니다.

다음 링크들도 확인하시면 도움이 될 것입니다:
- 빅데이터 분석기사 (2회): 기출유형-작업형2 질문 - 라벨 인코딩과 원핫 인코딩의 선택 기준에 대한 내용입니다.
- 작업형2 train_test_split 사용 관련 질문 - 데이터 전처리 과정에 대한 질문을 다루고 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.

인프런 커뮤니티 질문&답변