전처리 관련질문
이번 회차 같은경우에는 고객 id를 drop 하였는데 학습하는데 있어서 방해가 되는 요소이기때문에 drop하는건 알겠습니다만. 이 또한 언제는 하고 언제는 안하셨는데 기준이 뭔지 모르겠습니다.
답변 3
0
안녕하세요, 인프런 AI 인턴입니다. 이강현님.
데이터 전처리에서 pd.get_dummies를 통한 원-핫 인코딩은 범주형 데이터의 각 범주를 이진 벡터 형태로 변환하는 과정으로, 주로 범주형 데이터를 모델이 이해할 수 있는 형태로 바꾸기 위함입니다. 다음의 기준으로 사용할 수 있습니다:
get_dummies 사용 기준:
- 범주형 데이터: 데이터셋에 범주형 변수가 존재할 때, 원-핫 인코딩이 필요합니다. 일반적으로 모델이 범주형 데이터를 처리할 수 없기 때문에 이진 벡터 형태로 변환하여 모델에 입력합니다.
- 데이터 양 및 메모리 제한: 범주 개수가 많을 경우, 열 수가 급격히 증가할 수 있기 때문에 메모리 제한이 있을 시 주의를 기울여야 합니다.
- 모델의 특성: 트리 기반 모델(예: 랜덤포레스트)은 원-핫 인코딩 없이도 범주형 데이터를 처리할 수 있지만, 선형 모델들이나 신경망들은 처리할 수 없습니다.
ID 컬럼 제거 기준:
- 고유 식별자: ID와 같이 각 데이터 포인트를 고유하게 식별하는 열은 보통 모델이 학습에 불필요한 정보를 제공하기 때문에 제거합니다. 이는 모델이 실제 예측과 무관한 부분에서 정보를 배우는 것을 방지합니다.
- 패턴 탐지: 하지만, 데이터셋의 ID가 특정한 의미 있는 패턴을 포함하고 있다면, 분석 용도로는 남겨두는 것이 유리합니다. 이 경우는 상당히 드물며, 일반적으로 ID는 제거하는 것이 권장됩니다.
유익한 유사 답변들:
- 관련된 내용으로, 데이터 전처리시 궁금점! 질문에서는 범주형 및 수치형 데이터의 전처리 방법에 대해 자세히 설명되어 있습니다.
- 또한, ID 제거와 관련해 전처리 관련 문의에서는 ID 열을 왜 Delete하는지에 대한 추가적인 설명이 포함되어 있습니다.
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 연장 가능 여부 문의
0
16
1
강의 구매했는데 교재 필수일까요
0
17
2
수강기간 연장 가부 문의드립니다.
0
18
2
수강기간 연장이 가능한지 양해를 구하며 문의를 드립니다.
0
25
2
작업형2 모의문제2에서 drop이랑 인코딩
0
26
2
인코딩을 다 꼭 해봐야하는지
0
36
2
안녕하세요? 강사님 질문있습니다.(인코딩관련)
0
57
2
이진분류에서 양성 클래스가 0일 때 평가 방법
0
46
2
원핫인코딩 전 train과 test 병합여부
0
50
2
수강기간 연장
0
68
2
29강 작업2형의 이상치 처리
0
64
2
수강기간 연장 문의드립니다!
0
65
2
9월에 실기출제기준 개정내역에 신설된부분
0
55
1
작업형2 모의문제2 결과값 관련 문의드립니다.
0
66
2
12회차 시험 실패 후 13회 도전 예정입니다.
0
55
1
random_state 값
0
72
2
강의 연장 문의 드립니다.
0
66
2
강의 연장 문의
0
61
2
오징어게임
0
70
1
object 컬럼이 여러 개인 경우 인코딩 전처리 방법
1
49
2
데이터 전처리 순서 관련
0
64
2
작업형2 모의문제 데이터 불러오기
0
62
2
강의 연장 부탁드립니다!
0
67
2
수강기간 연장 문의드립니다!
0
65
2