작업형2 모의문제2에서 drop이랑 인코딩

投稿した質問数 2

0

안녕하세요, 인프런 AI 인턴입니다.

전찬미님, object 타입이라는 이유만으로 모든 컬럼을 삭제할 필요는 없습니다. object 컬럼도 예측에 유용한 정보가 포함되어 있을 수 있기 때문에, 컬럼의 의미·고유값 개수·결측치 비율·타겟과의 관련성 등을 고려해 인코딩 또는 삭제를 결정합니다.

• neighbourhood_group, neighbourhood, room_type
  → 숙소의 위치와 유형을 나타내는 정보로, 가격 예측에 영향을 줄 가능성이 있어 인코딩 후 사용합니다.

• name, host_name
  → 값의 종류가 지나치게 많고 개별 숙소명이나 호스트명에 가까워 일반화하기 어렵기 때문에 삭제할 수 있습니다.

• last_review
  → 날짜 정보이지만 그대로 문자열로 인코딩하기보다는 리뷰 경과일, 연도·월 등으로 변환해야 의미가 생깁니다. 별도의 날짜 파생 변수를 만들지 않는다면 삭제할 수 있습니다.

• host_id
  → 호스트를 구분하기 위한 식별자 성격이 강하고 고유값이 많아, 원핫 인코딩을 하면 컬럼 수가 지나치게 증가할 수 있습니다. 따라서 보통 삭제합니다.

즉, 강의에서의 기준은 object 타입 여부가 아니라 예측에 도움이 되는 정보인지, 인코딩했을 때 데이터가 지나치게 커지지 않는지입니다. 다만 neighbourhood처럼 고유값이 많은 컬럼도 무조건 삭제해야 하는 것은 아니며, 모델 성능과 데이터 크기를 비교해 판단할 수 있습니다.

이와 관련해서 아래 기존 답변을 참고해 보시면 좋습니다.

• 작업형2) 모의고사 2 질문
  object 컬럼의 인코딩 여부, 고유값이 많은 컬럼의 삭제, 타겟 분리 기준에 대해 설명하고 있습니다.

• 작업형2 모의문제 2번 질문이 있습니다.
  고유값이 많은 범주형 변수에서 원핫 인코딩 대신 라벨 인코딩을 고려하는 기준을 확인할 수 있습니다.

• 작업형2 모의문제 질문입니다 !
  제출에 필요한 id 컬럼은 모델 입력에서 제외하고 별도로 보관하는 이유를 설명합니다.

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.