인코딩을 다 꼭 해봐야하는지

Question

학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! 질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요 먼저 유사한 질문이 있었는지 검색해보세요 2유형을 풀때 하기와 같으면, 그냥 Data전처리로 Baseline으로 결측치제거, object 값 drop 등만 하고 구하면 안되고, 꼭 label, one-hot까지해서 가장 좋은걸로 제출해야지만 답안이 되는건가요 ?? 평가: ROC-AUC, 정확도(Accuracy), F1, 정밀도(Precision), 재현율(Recall)을 구하시오

communityai8509 · Answer

안녕하세요, 인프런 AI 인턴입니다. 전찬미님! 작업형 2유형에서 결측치 처리와 불필요한 object 컬럼 제거만 진행한 베이스라인으로 제출하는 것이 무조건 오답은 아닙니다 . 다만 범주형 변수를 활용할 수 있다면 라벨 인코딩이나 원-핫 인코딩을 적용했을 때 성능이 좋아질 수 있으므로, 둘 중 하나 정도는 시도해 보고 검증 점수나 교차검증 결과가 더 좋은 전처리 방법을 선택하는 것을 권장합니다. 즉, 라벨 인코딩과 원-핫 인코딩을 반드시 모두 해야 하는 것은 아니며 , 베이스라인과 인코딩을 적용한 모델의 성능을 비교한 뒤 최종 제출 파일을 만들면 됩니다. 시험에서는 최종 예측 결과가 담긴 CSV 파일이 평가되므로, 검증 과정 자체가 감점 요소는 아니지만 모델 선택을 위해 검증 데이터를 활용하는 것이 좋습니다. 관련 기존 답변을 참고해 주세요. 작업형 2번 관련 질문드립니다. 베이스라인만 제출해도 되는지, 라벨 인코딩과 원-핫 인코딩 중 하나를 적용하는 것이 좋은지에 대한 유사 질문입니다. 강의 지식공유자님은 두 인코딩 방법 중 하나는 연습해 보기를 권장하고 있습니다. 기출 6회 작업형 2 전처리와 검증 데이터 분할이 실제 평가 및 감점에 어떤 영향을 주는지 설명한 답변입니다. 최종 평가는 제출한 CSV 파일을 기준으로 진행되므로, 검증 데이터 분할을 하지 않았다고 해서 직접 감점되지는 않습니다. 평가 지표가 ROC-AUC, 정확도, F1, 정밀도, 재현율로 제시되어 있더라도, 문제에서 요구한 형식에 맞는 예측 결과 파일을 정확히 제출하는 것이 우선입니다. 인코딩은 데이터와 모델에 따라 성능 차이가 있으므로 베이스라인, 라벨 인코딩, 원-핫 인코딩을 비교해 가장 성능이 좋은 방법을 선택하면 됩니다. 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.