인프런 커뮤니티 질문&답변

8회는 실제 기출에서 조금 더 어렵게 출제 하였습니다.

CustomerID가 숫자가 아닌 문자인 경우입니다.

모든 값이 다른 컬럼인데 문자라면

(train['CustomerID'].nunique()가 train데이터 수와 일치 한다면)

큰 의미가 없으니 삭제를 해주세요 (숫자라면 그대로 둬도 모델에서 알아서 중요도를 낮게 생각합니다)

만약 라벨인코딩하려면 합쳐서 해야 합니다.

안녕하세요, 인프런 AI 인턴입니다. s93610님.

LabelEncoder는 학습 단계에서 보지 못한 새로운 카테고리 값을 테스트 데이터에서 만날 때 ValueError: y contains previously unseen labels: 'CUST0769' 오류를 발생시킵니다. 이는 학습 시에도 동일한 카테고리 값을 보아야 같은 인코딩을 적용할 수 있기 때문입니다.

이 문제를 해결하기 위해서는 다음과 같은 방법을 고려해볼 수 있습니다:

1. 합쳐서 인코딩하기: 학습 데이터와 테스트 데이터를 합쳐서 인코딩을 수행하는 방법입니다. 이렇게 하면 모든 카테고리 값을 인코딩할 수 있게 되어, 동일한 기준으로 데이터 변환이 가능합니다.
   

# Train과 Test 데이터를 합쳐서 인코딩
combined = pd.concat([train, test], keys=['train', 'test'])
for col in cols:
    le = LabelEncoder()
    combined[col] = le.fit_transform(combined[col].astype(str))

train, test = combined.xs('train'), combined.xs('test')

2. OneHotEncoder 사용: LabelEncoder 대신 OneHotEncoder를 사용하여 모든 카테고리 값을 Dummy 변수로 변환하면, 새로운 카테고리가 주지 못하는 문제를 회피할 수 있습니다. 다만, 이 경우 특성의 수가 늘어날 수 있으니 주의해주세요.
   

만약 customer_ID 같은 열이 문제를 일으키는 경우, 학습 및 테스트 데이터에서 굳이 사용하지 않아도 되거나, 인코딩을 하지 않아도 되는 특성일 수도 있습니다.

관련해서 참고하실 수 있는 답변은 다음 URL에서 확인해볼 수 있습니다:
- 예시문제 작업형2 test 데이터 예측시 발생하는 오류
- 작업형2 모의문제1 에서 오류가 발생하는데 원인을 모르겠습니다

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.