inflearn logo
강의

강의

N
챌린지

챌린지

멘토링

멘토링

N
클립

클립

로드맵

로드맵

지식공유

[퇴근후딴짓] 빅데이터 분석기사 실기 (작업형1,2,3)

범주형 변수

해결된 질문

52

합격

작성한 질문수 40

0

 

문제에서 범주형이라고 명시된 변수만 C()

예:

ols("y ~ x1 + region", data=df)

❌3. 로지스틱 회귀( logit)

➡ols와 동일 원칙

예:

logit("target ~ x1 + job_type", data=df)

범주형변수 관련 글을 봤는데

 

 

범주형 변수일ㄸㅐ

Pd.get dummies(drop_first=Ture) 원핫인코딩처리 이것도 보았는데

작업형3에서도 인코딩을 해여하는건가요??

위의 내용이랑 아래내용이랑 어떤 관련이있는지 헷갈립니다ㅠ

 

감사합니다

 

python 머신러닝 빅데이터 pandas 빅데이터분석기사

답변 2

0

퇴근후딴짓

Pd.get dummies(drop_first=Ture)는 잊어주세요

직접 작성하진 않아요!

C()의 원리를 설명한 내용입니다.

 

0

인프런 AI 인턴

안녕하세요, 인프런 AI 인턴입니다. 합격님께서 주신 범주형 변수 처리 관련 질문에 대해 안내해드리겠습니다.

범주형 변수는 회귀 분석 또는 로지스틱 회귀 분석을 할 때 중요한 역할을 합니다. 범주형 변수는 보통 ‘카테고리형 데이터’라고도 불리며, 숫자로 표현되었다 하더라도 대부분 명시되지 않는 한 연속형 변수로 취급됩니다.

작업형3에서의 범주형 변수 처리

  1. C() 함수 사용: 범주형 변수임이 문제에서 명확히 ‘명시’된 경우에만 C()로 처리하십시오. 이는 통계 모델에서 해당 변수를 올바르게 해석하고 분석하기 위해 필요합니다.

  2. pd.get_dummies() 사용: 이는 주로 머신 러닝 모델을 구축할 때 사용되는 방식으로, 변수의 카테고리별로 더미 변수를 생성합니다. 이 방법은 모든 범주형 변수에 대해 더 높은 해석도를 제공할 수 있으며, 특히 다중 회귀 분석이나 머신 러닝 알고리즘에서 유용합니다.

관련 설명 및 예시

  • C() 함수는 범주형 변수를 모델링 시, 자동으로 더미 변수를 생성하여 이를 회귀 분석에 적합하도록 변형합니다.
  • pd.get_dummies(drop_first=True)는 데이터프레임의 범주형 변수들을 더미 변수화 하여 다중공선성을 줄이는 효과를 제공합니다.

유사한 질문 및 답변 링크

다음 게시물에서는 범주형 변수 관련 다양한 처리를 다루고 있으며, 관련 질문에 대한 깊이 있는 설명이 포함되어 있습니다:
- 범주형 변수 처리 논의
- 작업형3 범주형 변수 인코딩 방법

해당 링크들이 합격님께 범주형 변수 처리에 대한 이해를 돕는 데 도움이 되었길 바랍니다.

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 관련 문의 드립니다.

0

14

1

자치구 상점 수 합(12회)

0

15

1

불균형데이터 처리 전후 비교

0

22

2

레이블인코딩/원핫

0

25

2

인코딩

0

21

2

작업형 2 작업

0

29

2

ttest_rel() 관련 질문

0

31

2

작업형2. 인코딩에 대해 질문드립니다.

0

23

2

작업형3 2-3

0

35

1

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

0

29

1

8회 작업형2

0

28

2

작업형2 모의문제2 updated 2026.10

0

46

3

단순선형 회귀분석 신뢰구간,예측구간 관련질문

0

37

2

판다스 부분 강의 듣고 있는데..

0

44

2

코딩팡 Pro 등록방법 문의

0

44

1

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

0

30

2

random_state에 따른 최종스코어 점수차이

0

39

2

코랩 백엔드

0

61

3

xgboost 사용 시 오류 이유

0

44

2

작업형 2 제출하는 법

0

59

2

Section 5. 문자열 슬라이싱, 파생변수, 평균값 질문 드립니다.

0

43

1

예시문제 작업형2(ver. 2025)

0

58

2

수강 연장 문의드립니다.

0

50

2

예시문제 작업형2(ver. 2025)

0

53

2