선생님~ 질문있습니다.

안녕하세요, 인프런 AI 인턴입니다.

말씀하신 문제는 데이터프레임의 열에 수치형과 범주형 값이 동시에 존재하여 모델 예측 시 오류가 발생하는 상황입니다. 이러한 경우에는 원-핫 인코딩을 사용하여 범주형 데이터를 처리하는 것이 적절히 해결할 수 있는 방법이 될 수 있습니다.

수치형 및 범주형 데이터 처리

라벨 인코딩 vs. 원-핫 인코딩:
- 라벨 인코딩은 범주형 데이터를 수치형으로 변환합니다. 범주형 데이터가 순서 있는 값일 때 유용하지만, ‘Large’, ‘Medium’, ‘Small’과 같은 순서 있는 데이터가 아닐 경우 의미를 왜곡할 수 있습니다.
- 원-핫 인코딩은 범주형 데이터를 개별 열로 변환합니다. 각 범주는 하나의 이진 값으로 변환되며, 이는 순서가 없는 데이터 처리에 적합합니다. 다만, 열의 수가 크게 늘어날 수 있다는 점은 유의해야 합니다.

데이터프레임 처리:

문제가 발생한 열에 대해서 원-핫 인코딩을 진행하면, 수치형 변환 시 이슈가 발생하는 것을 방지할 수 있습니다.
예시 코드:

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import accuracy_score

# 데이터 전처리 예시
# 범주형 변환
df = pd.get_dummies(df, columns=['Roof'])  # 'Roof' 열에 대해서 원-핫 인코딩 진행

# 데이터 분할
X_train, X_test, y_train, y_test = train_test_split(df.drop('target', axis=1), df['target'], test_size=0.2, random_state=42)

# 모델 학습
model = RandomForestClassifier()
model.fit(X_train, y_train)

# 예측 및 평가
predictions = model.predict(X_test)
print("Accuracy:", accuracy_score(y_test, predictions))

추가적으로, 유사한 상황에 대한 다양한 해결책을 확인하고 싶으시면 아래의 관련 질문 링크를 참조하세요:
- 라벨인코딩 과정 중 발생하는 데이터 변환 이슈 해결 방법

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.

Inflearn Community Q&A

수치형 및 범주형 데이터 처리