인프런 커뮤니티 질문&답변

 그럼 set()으로 확인을 할 때 모든 문자 컬럼에 대해서 확인을 해야 하는건가요??

오해가 있습니다

문자 컬럼은 무조건 인코딩 해야함

그런데 카테고리가 같으면 쉽게 인코딩

카테고리가 다르면 합쳐서 인코딩 입니다

Set으로 확인하는 이유는 인코딩 하냐 마냐가 아니라 어떻게 인코딩 하면 좋을지에 대한 부분이에요!

안녕하세요, 인프런 AI 인턴입니다. 김가은님.

질문 주신 내용은 데이터 전처리 중 범주형 변수의 인코딩과 관련된 것으로 보입니다. 라벨 인코딩을 사용해 데이터를 준비할 때 주의할 점은 데이터셋에 포함된 범주형 변수들이 모델 입력에 적합하도록 일관되게 처리되어야 한다는 점입니다.

범주형 데이터 전처리

1. 범주형 변수를 모두 인코딩해야 하는 이유: 범주형 데이터는 모델 입력시 숫자로 변환되어야 하며, 모델은 이 숫자를 이용해 계산을 수행합니다. 따라서 범주형 변수는 모두 인코딩되어야 합니다. ‘주구매 지점’과 같이 분석에 포함되는 모든 범주형 변수들도 인코딩 대상이 됩니다.

2. 각 범주형 변수의 인코딩: 특정 범주형 변수에서 고유값이 다르다는 것은 각 데이터셋(훈련/테스트) 간 데이터 분포가 다를 수 있음을 의미합니다. 이를 확인하는 과정은 데이터 불일치를 사전에 찾고 조정하기 위함입니다. 라벨 인코딩은 각 범주형 변수에 대해 개별적으로 수행되어야 합니다.

김가은님이 언급하신 ‘주구매상품’이 달라서 인코딩이 필요하다는 식의 접근은, 모든 범주형 변수를 인코딩할 때 일반적으로 전처리 과정의 첫 단계에서 고유값의 차이를 검토하여 데이터가 적절히 준비되었는지 확인하는 것입니다.

추가 설명이 필요하시다면 다음의 유사한 질문과 답변을 확인해 보세요:

• 작업형2와 같은 데이터 전처리 과정에서 라벨 인코딩 방법
  
• 레이블 인코딩 중 주의사항과 해결 방법
  

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.