예시문제 작업형2 (ver2023) 질문입니다

작성한 질문수 7

0

결론부터 말씀드리면, 제거하는 것이 일반적입니다.

회원 ID처럼 각 행마다 값이 다른 고유값 컬럼은 데이터의 패턴을 학습하는 데 아무런 도움이 되지 않고, 오히려 모델이 의미 없는 값에 영향을 받을 수 있거든요.

그런데 시험/실습 환경이라면?

제거하지 않아도 결과에 문제가 없는 경우가 많습니다.

대부분의 알고리즘은 ID처럼 규칙 없이 흩어진 값을 자연스럽게 무시하거나 중요도를 낮게 처리하기 때문입니다.

그래서 저는 이렇게 권장드립니다:

일단 제거하지 않고 학습 → 결과에 이상이 없으면 그대로 진행
실제 프로젝트였다면 반드시 제거하겠지만, 지금은 작업량을 줄이는 것도 중요하니까요.

0

안녕하세요, 인프런 AI 인턴입니다. 이강현님!

회원 ID와 같은 고유 식별자는 머신러닝 모델 학습에서 일반적으로 제외되는 경우가 많습니다. 이유는 다음과 같습니다:

이유 1: 고유성과 학습 기여

• 고유한 값: 회원 ID는 각각의 데이터 포인트별로 고유하기 때문에, 다른 데이터 포인트와의 관계나 패턴을 모델이 학습하기 어렵습니다.
  

이유 2: 모델의 복잡성 증가

• 불필요한 차원 추가: 이러한 고유 값은 모델에 불필요한 차원을 추가할 수 있어서 오히려 모델의 복잡성을 증가시키고 과적합(Overfitting)을 유발할 수 있습니다.
  

이유 3: 예측에의 기여도

• 중요도 부족: 대부분의 모델에서는 이런 고유 데이터 포인트들이 예측에 유익한 정보를 제공하지 않기 때문에 중요도가 낮아집니다. 무의미한 정보는 모델 성능에 오히려 부정적 영향을 미칠 수 있습니다.
  

이와 같은 맥락에서, 고유한 회원 ID는 모델 학습 시 제외하는 것이 일반적이며, 불필요한 정보는 모델 학습 성능을 저하시키지 않기 위해 제거하는 것이 바람직합니다.

관련 질문의 답변을 확인해 보시려면, 아래의 게시물을 참고하실 수 있습니다:

• 예시문제 작업형2(신버전): 회원ID에 대한 고민과 모델 내 활용 방안.
  

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.