ID 전처리 이유
train = train.drop('CLIENTNUM', axis=1)
test_id = test.pop('CLIENTNUM')
id에 대해 드랍을 하는 이유가 무엇인가요?
답변 2
0
일반적으로는 모든 값이 다를 경우 큰 의미가 없어 제외합니다.
다만 삭제하지 않더라도 모델이 중요도를 낮게 생각합니다. 따라서 결론
ID가 숫자일 때는 그냥 그대로 두고 진행하시죠!!
0
안녕하세요, 인프런 AI 인턴입니다. rosana8831님.
id 컬럼을 드랍하는 이유에 대해 설명드리겠습니다.
ID 컬럼의 역할:
ID또는CLIENTNUM과 같은 컬럼은 각 데이터 행을 식별하기 위한 고유 식별자입니다. 이러한 식별자는 모델의 예측 성능 향상에는 직접적으로 기여하지 않기 때문에, 데이터 전처리 과정에서 제거하는 것이 일반적입니다.모델의 학습 효율성: ID 컬럼은 모든 행이 고유한 값을 가지므로, 모델의 학습에 기여하지 않고 오히려 노이즈로 작용할 수 있습니다. 불필요한 변수를 제거하여 모델의 복잡성을 줄이고 더 효율적인 학습을 유도할 수 있습니다.
리소스 관리: ID 컬럼을 제거하면 데이터의 차원이 줄어들어, 처리 속도가 빨라지고 리소스를 더 효율적으로 사용할 수 있습니다.
이와 관련하여 다음의 링크에서 추가 정보를 확인하실 수 있습니다:
- 데이터 분리 방법에 대한 더 많은 설명
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.
기출 11회 작업형 2_전체 데이터 학습 여부
0
11
1
예측값 결과 소수점 차이
0
16
2
기출 문제와 실전챌린지 연습문제 무엇부터 푸는게 나은가요?
0
13
0
전처리 train() test([ ])
0
14
2
작업형 1 배경지식 질문
0
17
2
옳게 풀은건지 질문드립니다!
0
13
1
roc_auc_score
0
22
2
추가질문 합니다
0
13
2
시험환경 구름
0
16
2
2유형 질문드려요
0
13
2
RandomForest vs lgb
0
22
2
전처리 관련질문
0
21
3
작업형3 기출
0
15
2
유형2에서 데이터분할 생략 가능여부
0
27
2
9회 기출 유형3 질문
0
17
2
lgb 기초편
0
12
1
괄호 사용
0
20
2
작업형 2 데이터 전처리 질문
0
21
1
11회 기출 유형 작업형1 문제 3-1
0
17
1
예시문제 작업형2 (ver2023) 질문입니다
0
19
2
Data type에 따른 처리
0
20
2
데이터 전처리 관련
0
17
2
시험에서 문제 불러오기
0
18
2
2번문제 출력값 질문
0
25
2