원핫인코딩 할때
원핫인코딩 시 train, test 데이터를 pd.concat 로 병합하고 다시 분리하는 단계는 생략해도 되나요??
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.
ID 전처리 이유
0
7
1
데이터제공
0
5
1
예시문제 작업형3 꼬리질문2번
0
5
0
데이터 개수를 구할 때, len과 value_counts 차이
0
9
1
작업형 2 제출방
0
7
1
인코딩 스케일링 순서
0
13
2
실제 시험에서도 공식을 문제에서 주는지
0
12
2
수강 연장 문의
0
11
2
작업형2 정리한 내용 확인 부탁드립니다 ㅜㅜ
0
17
1
14강 "" 사용 관련 질문
0
17
2
캐글 제출 점수
0
23
2
기출 마무리 방법
0
42
2
빅이시 작업형2 기초 - 케이스 1~3 관련 문의
0
26
2
데이터프레임 슬라이싱 인덱싱 질문2
0
26
2
단일표본검정, 샤피로검정, 윌콕슨검정
0
33
2
강의자료 다운로드 여부
0
35
2
문제에 첨부된 예시와 실제 출력된 샘플 비교
0
28
2
원핫 인코딩 관련
0
38
2
타겟 분리
0
38
2
Id 삭제
0
43
2
roc_auc_score 질문: 작업형2 모의문제3 09분 48초
0
39
2
원핫인코딩 코드 질문
0
35
2
map 함수 사용 필수적인가요
0
46
2
수강 기한 연장 문의드립니다.
0
50
2