레이블인코딩 (카테고리)

초보자 질문 드립니다.

퇴근후 딴짓님의 빅분기 실기책 이직여부 예측 문제(p.294)관련 질문입니다.

# 레이블 인코딩
from sklearn.preprocessing import LabelEncoder
combined = pd.concat([train, test])
cols = train.select_dtypes(include='object').columns

for col in cols:
    le = LabelEncoder()
    combined[col] = le.fit_transform(combined[col])

n_train = len(train)
train = combined[:n_train]
test = combined[n_train:]

코드 위에서 세번째 줄, cols 불러올 때 combined이 아닌 train 으로 한 이유가 궁금합니다.

train 해도 문제 없는건가요?

• train, test 범주형 데이터 비교 시, city만 '카테고리 동일하지 않음' 나옴

• 아래 코드로 카테고리 수 추출하면, train['city'] 123개 > test['city'] 113개

   

print("\n ===== train/test 카테고리별 수 =====")
print(train.nunique())
print(test.nunique())

개수는 train이 더 많지만 카테고리가 동일하지 않은데.. combined이 맞는건지 고견 부탁드립니다ㅠ