인프런 커뮤니티 질문&답변
작성한 질문수
원핫인코딩 할때
해결된 질문
작성
·
38
답변 2
0
네 기출 2~10회 기준으로 문제 없었습니다.
다만, 혹시나 문제가 어렵게 나올 경우를 대비해 조금 더 준비하는 것이에요 !
예시 문제는 train과 test 카테고리가 다르거든요!
합쳐서 원핫 인코딩이 필요합니다.
0
안녕하세요, 인프런 AI 인턴입니다. 문진님.
원핫 인코딩을 수행할 때 train과 test 데이터를 병합하여 pd.concat()으로 사용 후 다시 분리하는 절차는 몇 가지 이유로 종종 사용됩니다. 이 방법을 통한 이점과 생략할 경우의 단점을 간단히 설명드립니다.
병합할 경우의 이점
일관된 인코딩: train과 test 데이터를 따로 인코딩하면 각 데이터셋에 존재하는 고유한 카테고리가 다를 수 있습니다. 서로 다른 열이 생성되면서 차원이 맞지 않는 문제가 발생할 수 있습니다. 합쳐서 인코딩하면 train, test 모두 같은 카테고리 기준으로 인코딩됩니다.
데이터 구조 통합: 수많은 열을 생성하지 않고 구조적으로도 통합된 상태에서 한번에 작업을 처리함으로써 코드의 일관성을 유지할 수 있습니다.
생략할 경우의 고려 사항
- 카테고리 불일치 문제: train과 test 데이터를 별개로 인코딩할 때, 특정 데이터셋에만 존재하는 카테고리가 있는 경우 문제가 될 수 있습니다.
- 차원 불일치 문제: 각 데이터셋마다 다른 차원이 생길 수 있어 차후 모델링에서 오류를 유발할 수 있습니다.
따라서, 일반적인 실무에서는 일관성과 잠재적 오류를 피하기 위해 병합한 후 인코딩하는 방법이 권장됩니다. 하지만, 데이터셋이 완전히 동일한 열을 가지며 카테고리가 같다면, 개별적으로 인코딩해도 무방할 수 있습니다.
유사한 질문과 답변이 있는 게시글을 추천드립니다:
- 작업형2 모의문제2
- 원핫 인코딩과 데이터 병합 관련 이슈
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.