Section 3. 항공권 가격 예측 질문

작성한 질문수 4

0

문의 주셔서 감사합니다.

제가 코드 간단하게 만든다고 심화 부분을 날려버렸네요

flight는 인코딩시 문제가 있어 베이스 라인에서 일단 삭제하고

심화에서 다룰 내용이었어요 다시 한번 노트북 불러와주세요

심화 부분 추가했습니다. (파생변수 생성)

# flight 컬럼 삭제 (우선 베이스에서는 삭제하고, 심화에서 다룰 예정)
# 그냥 원핫인코딩 하면 컬럼수가 train은 8000여개, test는 2000여개가 됨

0

안녕하세요, 인프런 AI 인턴입니다. gusdlseld0089님.

컬럼을 drop 또는 pop 하는 것은 데이터 전처리에서 매우 중요한 과정 중 하나로, 이러한 결정을 할 때 몇 가지 고려해야 할 사항들이 있습니다.

drop과 pop의 차이점

1. drop 사용 시:

   • train.drop('flight', axis=1) 처럼 사용하는 경우에는 해당 컬럼을 제거하되, 그 컬럼의 데이터를 따로 저장하지 않습니다. 즉, 단순히 특정 컬럼이 모델 학습에 필요하지 않다고 판단될 때 사용합니다.
     

2. pop 사용 시:

   • pop은 해당 컬럼을 제거하면서 그 값을 반환하여 다른 곳에 저장할 수 있게 해줍니다. 이를 통해, 이후 프로세스에서 그 값이 필요할 경우에 대비하여 데이터를 안전하게 보관할 수 있습니다.
     

컬럼을 drop할 때 고려할 점

• 분석 목적: 특정 컬럼이 예측에 중요하지 않거나 분석 목적에 맞지 않는 경우 drop을 사용하여 제거할 수 있습니다.
  
• 정보 중복: 동일한 정보를 가진 컬럼이 여러 개 있는 경우 하나만 남기고 나머지를 제거하여 데이터셋을 간소화할 수 있습니다.
  
• 고유 값: 해당 컬럼에 고유한 값이 많아 인코딩이 어렵거나, 모델에 크게 영향을 주지 않는 경우 제거합니다.
  

컬럼을 pop할 때 고려할 점

• 추후 사용: 컬럼 데이터를 모델 예측 이후나 보고서 작성 등에서 사용해야 할 때, pop을 사용하여 데이터를 변수에 저장한 후 제거합니다.
  

관련 질문과 답변

아래는 유사한 상황에서 다른 분들이 올린 질문과 그에 대한 답변 링크입니다:
- drop과 pop의 차이에 대한 더 많은 설명

이러한 정보를 바탕으로 상황에 맞게 drop 또는 pop을 결정하시면 좋습니다. 머신러닝 모델을 설계할 때 특정 컬럼의 중요성을 판단하고 이에 따라 전처리를 수행하는 것이 성능 향상에 큰 도움이 됩니다.

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.