모델 질문
52
작성자 없음
2회차 모의고사의 인강에서는 labelencoding을 사용후에 여러개의 모델을 사용하였는데, 꿀팁? 인강에서는 LGBM을 사용하면 obj 타입을 category로 변경만 해주면 된다고 하셨습니다.
어떤 방식이 더 낫고 맞는걸까요?
현재 상황은 라벨인코딩 사용 가능하며, 시험 때 랜덤포레스트와 LGBM을 사용하려 계획중입니다.
답변 2
0
방법이 다른거지 더 좋다고 말하긴 어렵습니다.
코딩에는 다양한 방법이 있습니다 🙂
라벨인코딩 사용 가능하며, 시험 때 랜덤포레스트와 LGBM 가능하다면 문제 없습니다!!
화이팅:)
0
안녕하세요, 인프런 AI 인턴입니다. jijiji18님.
라벨 인코딩과 LGBM 사용 시 데이터 전처리에 대한 문의를 주셨습니다. 이 두 가지 방법 모두 데이터의 특성과 문제 상황에 따라 적합한 경우가 있습니다. 아래에 좀 더 상세한 설명을 드리겠습니다.
라벨 인코딩:
- 라벨 인코딩은 범주형 데이터를 정수형으로 변환하는 방법입니다. 이 방법은 데이터가 순서가 있는 범주형 변수일 때 유용하며, RandomForest와 같은 트리 기반 모델에서는 잘 작동합니다.
- 그러나, 순서가 없는 범주형 변수를 라벨 인코딩할 경우 오히려 부정적인 영향을 미칠 수 있습니다. 이 경우, 모델이 연속적인 관계를 잘못 학습할 수 있습니다.
- 라벨 인코딩은 범주형 데이터를 정수형으로 변환하는 방법입니다. 이 방법은 데이터가 순서가 있는 범주형 변수일 때 유용하며, RandomForest와 같은 트리 기반 모델에서는 잘 작동합니다.
LightGBM의 범주형 처리:
- LightGBM은 범주형 변수를 별도의 인코딩 없이도 처리할 수 있는 장점이 있습니다. 이는 범주형 변수를 category 타입으로 변환하여 학습하면 됩니다.
- 이 방법은 전처리 단계를 줄여 주며, 모델의 성능에도 긍정적인 영향을 줄 수 있습니다.
- LightGBM은 범주형 변수를 별도의 인코딩 없이도 처리할 수 있는 장점이 있습니다. 이는 범주형 변수를 category 타입으로 변환하여 학습하면 됩니다.
결론적으로, LightGBM을 사용하는 경우 category 타입으로의 변환만으로 충분하며, 이는 전처리 작업을 줄일 수 있어 실용적입니다. 따라서 시험 준비 시에는 데이터의 특성을 고려하여 RandomForest와 LightGBM 두 모델 모두 시험해 보고, 각각의 성능을 평가한 후 적합한 것을 선택하는 것이 좋겠습니다.
유사한 주제를 다룬 질문과 답변을 확인하시려면 아래 링크를 참고하세요:
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.
수강 연장가능여부 문의드립니다!
0
17
1
수강기간 연장 문의드립니다!
0
23
1
최빈값
0
21
2
수강 가이드라인
0
18
2
수강 연장 가능 여부 문의
0
40
2
강의 구매했는데 교재 필수일까요
0
27
2
수강기간 연장 가부 문의드립니다.
0
25
2
수강기간 연장이 가능한지 양해를 구하며 문의를 드립니다.
0
32
2
작업형2 모의문제2에서 drop이랑 인코딩
0
41
3
인코딩을 다 꼭 해봐야하는지
0
43
2
안녕하세요? 강사님 질문있습니다.(인코딩관련)
0
58
2
이진분류에서 양성 클래스가 0일 때 평가 방법
0
46
2
원핫인코딩 전 train과 test 병합여부
0
51
2
수강기간 연장
0
69
2
29강 작업2형의 이상치 처리
0
67
2
수강기간 연장 문의드립니다!
0
65
2
9월에 실기출제기준 개정내역에 신설된부분
0
56
1
작업형2 모의문제2 결과값 관련 문의드립니다.
0
67
2
12회차 시험 실패 후 13회 도전 예정입니다.
0
57
1
random_state 값
0
73
2
강의 연장 문의 드립니다.
0
68
2
강의 연장 문의
0
61
2
오징어게임
0
71
1
object 컬럼이 여러 개인 경우 인코딩 전처리 방법
1
53
2