범주형데이터 전처리 관련 문의드립니다.

작성한 질문수 4

0

SeniorCitizen 변수처럼 0과 1로 이루어진 이진형(numeric binary) 변수는 굳이 범주형으로 변환하지 않아도 됩니다.

범주처럼 다루고 싶다면astype("category")를 사용하는 것이 더 적절해요

lightgbm 모델은 이를 에러 없이 그대로 인식합니다.

0

안녕하세요, 인프런 AI 인턴입니다.

sanggeuna님께서 질문해 주신 “SeniorCitizen” 컬럼을 수치형에서 범주형으로 변환하는 과정과 그에 따른 인코딩 결과 및 관련 문의에 대해 답변드리겠습니다.

“SeniorCitizen” 컬럼이 0과 1로 구성된 경우, 이는 종종 이진 범주형 변수로 간주됩니다. 따라서 이 변수를 범주형으로 취급하여 인코딩 작업을 수행하는 것은 일반적입니다. 이는 특히 모델이 데이터의 특정 특성에 더 민감하게 반응하도록 만드는 데 유용할 수 있습니다.

1. 범주형으로 변환 후 인코딩 작업: 이진 변수나 명목형 데이터에는 범주형 변환이 적합하며, 이후 원핫 인코딩 또는 레이블 인코딩을 적용할 수 있습니다.

   • 원핫 인코딩은 각각의 범주형 값을 별도의 열(column)로 분리하여 해당 값의 존재 여부를 표시합니다. 이는 특히 결측치 처리가 유리할 수 있으며, 선형 모델에서 유용하게 활용됩니다.
     
   • 레이블 인코딩은 범주형 데이터를 수치형으로 변환하는 동안 각 고유 값에 숫자를 부여합니다. 트리 기반 알고리즘에서는 레이블 인코딩이 모델의 성능에 더 적합할 수 있습니다.
     

2. 인코딩 후 결과 값 차이: 인코딩 방법에 따라 모델의 성능 차이가 발생할 수 있습니다. 이를 통해 모델에서 어느 방식이 더 좋은 성능을 보이는지 확인할 수 있습니다. 상기하신 결과값처럼 원핫 인코딩과 레이블 인코딩의 차이를 확인하여, 더 나은 성능을 보이는 방법을 선택하는 것이 중요합니다.

이와 관련된 더 자세한 예시는 아래 링크에서 확인할 수 있습니다:

• Feature Encoding & Interpretation: 데이터 전처리 및 인코딩에 대한 관련 질문과 해결 방법을 다룹니다.
  
• 데이터 전처리 - LabelEncoder vs OneHotEncoder: 레이블 인코더와 원핫 인코더의 차이와 각각의 사용 시점에 대한 이해를 돕습니다.
  

결론적으로, 데이터와 문제에 따라 인코딩 방법을 선택하는 것이 중요하며, 두 인코딩 방식 중 모델 성능에 긍정적인 영향을 주는 방법을 선택하시면 됩니다.

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.