인프런 커뮤니티 질문&답변

안녕하세요, 정성스레 만들어주신 강의 완강하고 다회차 복습중입니다.

이곳에 질문올려도 되는 것인지 모르겠는데 맨땅으로 시작하다 보니 복습하면서 작업형2 내용에 대한 전반적으로 자잘하게 궁금한 점이 있어 문의드립니다.

1. 기출 회차별로 최초 데이터가 3개가 주어지는 경우, 2개가 주어지는 경우가 있는데요.

3개가 주어지는 상황에서 X_train, X_test 값의 고유값- unique() 개수가 다른 경우 데이터를 합친 뒤 작업을 진행해야 한다고 말씀주셨는데요.

- 이 경우 데이터를 합치는 작업(concat)은 원핫인코딩/라벨인코딩의 오류를 막기 위한 것 같은데 맞게 이해한 것일까요?

- 인코딩 작업을 하지 않느다면 데이터 합치는 작업을 건너뛰어도 되는 것일까요? 혹은 반드시 데이터를 합쳐서 작업해야 하는 경우가 또 있을까요?

2. 원핫인코딩과 라벨인코딩을 각각 어떤 상황에 사용해야 하는지 감이 잡히질 않아서요.

cols = train.select_dtypes(include='O').columns

위와 같이 범주형 데이터를 단순히 통으로 묶어서 작업을 해도 되는 것인지

몇몇 강의에서처럼 일부 범주형 컬럼들만 선택해서 사용을 해야 하는 것인지(이때 컬럼 선택 기준이 있을지)

궁금합니다.

3. 강의에서는 데이터 전처리 과정 결측치 처리 외 이상치 처리에 대한 내용은 비교적 간단히 설명해주시고 넘어가 주셨는데요.

(IQR 이나 '나이' 컬럼이 음수인 경우 정도)

- 캐글을 통해 추가적인 방법론을 익혀두어야 할까요?

- 분류든 회귀든 예측한 결과값의 평가점수가 꼭 높지 않아도 전체적인 절차가 문제 없었다면 넘어가도 무방할까요?

4. 문제에서 요구하는 값에 따라 모델링 작업에서

model=randomforestClassifier()

pred = model.predict(test) 또는 pred = model.predict_proba(test)

위와 같이 predict를 사용하는지 predict_proba를 사용하는지 달라지던데요.

(분류문제일 경우) 검증 방법에서 roc_auc_score는 predict_proba를

accuracy_score, precision_score, recall_score, f1_scoe 는모두 predict 결과를 사용하시더라고요.

predict 값을 요구하는 문제라면 검증방법도 predict를 사용하는 것인지

이와 별개로 roc_auc_score와 그 외 검증 방법은 predict/predict_proba 사용방법이 고정된 것인지 궁금합니다.