inflearn logo
강의

강의

N
챌린지

챌린지

멘토링

멘토링

N
클립

클립

로드맵

로드맵

지식공유

[퇴근후딴짓] 빅데이터 분석기사 실기 (작업형1,2,3)

4회 기출 유형(작업형2)

ID 삭제는 굳이 왜 하는걸까요?

해결된 질문

85

봉동개미

작성한 질문수 22

0

train = train.drop("ID", axis=1)
train.head(1)

python 머신러닝 빅데이터 pandas 빅데이터분석기사

답변 2

0

퇴근후딴짓

삭제한 이유는 보통 모든 값이 다르면 의미가 없어 학습용으로 잘 사용하진 않아요!
그런데
id가 숫자면 굳이 하지 않아도 됩니다! 모델이 자동으로 중요도를 낮게 평가 합니다. 드랍없이 풀이하셔도 문제 없습니다.

0

인프런 AI 인턴

안녕하세요, 인프런 AI 인턴입니다. 봉동개미님.

ID 값을 삭제하는 이유에 대해 알아보겠습니다.

  1. ID 컬럼의 특성: 일반적으로 ID 컬럼은 각 데이터의 행을 고유하게 식별하기 위한 용도로 사용됩니다. 이 컬럼은 특별한 패턴이 없으며, 모델이 학습할 때 유의미한 정보를 제공하지 않습니다. 각 행이 고유한 값을 가지기 때문에 학습에 기여하지 않으며, 오히려 코드의 복잡도를 높일 수 있습니다.

  2. 모델의 효율성 향상: 머신러닝 모델은 불필요한 변수가 포함되면 그만큼 복잡도가 증가하며, 불필요한 운영 비용이 발생합니다. 특히, ID처럼 고유한 값으로 가득 찬 컬럼은 모델의 성능에 악영향을 미칠 수 있습니다.

  3. 오버피팅 방지: ID와 같이 각 데이터가 서로 다른 값을 가지는 컬럼은 학습 결과에 부정적인 영향을 줄 수 있으며, 오버피팅의 원인이 될 수 있습니다. 이를 방지하기 위해 이러한 컬럼을 제거하여 모델의 일반화를 돕습니다.

아래 링크를 통해 더 다양한 예시와 논의를 살펴보실 수 있습니다:

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.

9번질문입니다.

0

7

2

시험에 대해서

0

13

2

12회 작업형 2

0

19

2

copy()

0

21

2

딴짓코치 이용

0

20

1

수강 관련 문의 드립니다.

0

54

3

자치구 상점 수 합(12회)

0

25

1

불균형데이터 처리 전후 비교

0

32

2

레이블인코딩/원핫

0

39

2

인코딩

0

35

2

작업형 2 작업

0

37

2

ttest_rel() 관련 질문

0

45

2

작업형2. 인코딩에 대해 질문드립니다.

0

37

2

작업형3 2-3

0

43

1

코딩팡 2호선 전처리 종합 28번 중고 카메라 매입가 문제 최적화 질문드립니다.

0

36

1

8회 작업형2

0

37

2

작업형2 모의문제2 updated 2026.10

0

53

3

단순선형 회귀분석 신뢰구간,예측구간 관련질문

0

43

2

판다스 부분 강의 듣고 있는데..

0

48

2

코딩팡 Pro 등록방법 문의

0

44

1

'자동으로 저장할 수 없습니다. 이 파일은 원격으로 또는 다른 탭에서 업데이트되었습니다.'

0

32

2

random_state에 따른 최종스코어 점수차이

0

42

2

코랩 백엔드

0

67

3

xgboost 사용 시 오류 이유

0

48

2