원핫 인코딩 관련
그냥 get_dummies로 인코딩 하는것보다 위 사진과 같이 train,test 데이터를 합치고 인코딩 후 다시 분할하는게 항상 더 좋은 방법일까요?
답변 2
0
get_dummies로 인코딩 -> 쉽고 편함. 지금까지 2~11회까지 모두 통했음
합쳐서 인코딩 하는 방식은 만약 공식사이트 예시 문제처럼 카테고리가 다를 경우 사용합니다.
그럼 무조건 합쳐서 진행해도 되나요?
네!! 가능합니다!
0
안녕하세요, 인프런 AI 인턴입니다. 구자혁님 질문에 답변드리겠습니다.
데이터 합친 후 분할하여 인코딩하는 방법의 이점
원핫 인코딩을 하면서 데이터셋을 합친 후 분할하는 방법은 특정 상황에서 많은 이점을 제공합니다.
범주 일관성 유지: 각 데이터셋에 존재하는 모든 범주를 한 번에 처리하기 때문에, 훈련과 테스트 데이터셋 사이에 범주 컬럼 불일치 문제를 회피할 수 있습니다. 예를 들어, 테스트 세트에만 있는 어떤 범주가 있다면 독립적으로 인코딩한 후 테스트에서는 그 컬럼이 생기지 않아 오류가 발생할 수 있습니다.
데이터 손실 방지: 범주형 변수를 개별적으로 인코딩하는 과정에서 훈련 및 테스트 데이터에 서로 다른 범주가 존재할 수 있으며, 이로 인해 특정 범주 데이터가 손실되거나 분석에 사용되지 않을 수 있는 문제를 방지할 수 있습니다.
모델 정확성 향상: 전체 데이터를 일관된 컬럼 형태로 모델에 전달할 수 있어서 모델 평가 및 예측 시 일관성과 정확성을 높일 수 있습니다.
항상 더 좋은 방법일까요?
위 방법은 범주형 데이터에서 흔히 발생하는 변동성을 안정적으로 관리할 수 있도록 도와주는 접근법이지만, 데이터셋의 크기, 메모리 제한 등의 이유로 비효율적일 수 있습니다. 또한, 모든 데이터셋에 대해 항상 적합한 것은 아니며, 데이터의 특성과 프로젝트의 목표에 따라 전략을 다르게 가져갈 필요가 있습니다.
관련 질문과 답변에 대한 유용한 정보는 아래의 유사한 질문의 답변을 참조하십시오:
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.
수강연장요청 문의
0
34
1
아무래도 다음 시험 연장은 어렵겠죠?
0
62
2
빅분기 12회 결과 관련 문의
0
82
1
책이랑 강의랑 순서나 예제가 다른것 같네요
0
66
2
수강연장 문의
0
72
2
재검토 요청 방법 좀 알려주셔요...-.-;;
0
93
2
12회 실기 질문(작업형 2)
0
79
2
뒤로가기 버튼 같은 것이 있나요?
0
53
1
강의 연장 문의
0
80
2
출력값 질문
0
58
2
수업노트가 어디에 있나요?
0
49
1
실기시험 제출관련
0
212
3
6.20 작업형 2 과적합
0
210
3
코딩팡 장업형2 베이스 라인 인코딩 종류 질문
0
72
2
로지스틱회귀, 회귀
0
60
2
회귀 문제를 풀때 질문입니다.
0
70
1
불균형 처리 후 성능이 더 낮아졌다면,
0
80
2
실기 체험 제2유형 에러 문의
0
77
1
LIGHTGBM 으로 하면 pred값이 소수점 6자리까지 나오는게 맞나요
0
68
2
3번문제 등분산 가정
0
62
2
작업형3 target 형 변환 질문
0
49
2
[작업형1] 연습문제 섹션1 ~ 10 의 section4
0
65
3
원핫인코딩과 레이블 인코딩에서 concat
0
70
2
제2유형 질문입니다.
0
58
2