인프런 커뮤니티 질문&답변
작성한 질문수
원-핫인코딩 데이터 크기 맞추는 방법
작성
·
1.3K
0
캐글 주택가격 예측에서 원-핫인코딩이 적용된 모델을 가지고 테스트 데이터를 예측해보려고 하니 train 데이터를 원-핫 인코딩 한것과 test 데이터를 동일하게 원-핫 인코딩을 했을때 입력 데이터의 칼럼수가 달라서 오류가 발생을 했습니다.
원-핫 인코딩시에 만약에 학습데이터와 테스트 데이터의 범주가 다르게 들어가 있을 경우 어떻게 데이터를 맞춰야 되는지요?
예를 들어
학습 데이터에는 지역 = [서울, 인천, 부산, 수원,광주] 로 되어 있는데 테스트 데이터에는 = [ 서울, 인천, 강릉, 천안] 이런 식으로 범주가 다른 데이터가 있거나 한쪽에는 데이터가 빠질 경우에 원-핫 인코딩을 하면 항목이 다르게 되거나 갯수가 안맞지 않나요? 이런 문제를 어떻게 해결해야 되는지요.
답변 1
2
안녕하십니까,
네, 학습데이터 만으로 원-핫 인코딩을 하면 해당 문제가 발생할 수 있습니다.
그래서 보통은 학습과 테스트 데이터를 합쳐서 데이터를 만든 후에 함께 원-핫 인코딩을 하고 이후에 다시 학습과 테스트 데이터를 분리합니다. 분리할 때는 결정값(예를 들어 TARGET 피처)이 NULL인 데이터 세트는 테스트 데이터, 그렇지 않는 데이터 세트는 학습 데이터로 다시 분리합니다. 그리고 테스트 데이터 세트에서 결정값 피처를 drop 합니다.
예를 들어 아래와 같이 코드를 작성합니다.
total_data = pd.concat([train_data, test_data])
total_data = pd.get_dummies(total_data)
train_data = total_data[~total_data['TARGET'].isnull()]
test_data = total_data[total_data['TARGET'].isnull()]
test_data = test_data.drop('TARGET', axis=1)
감사합니다.