캐글 T2-1 타이타닉 데이터 관련 문제질의

Question

위 문제에서 풀이를 하던 중에 범주형 데이터 인코딩 중에 에러가 계속 발생하여 확인했더니

최초 풀이과정에 수치형 데이터(int)를 레이블인코딩 하신 부분을 발견했습니다.

통상 과정에서 범주형 데이터를 인코딩하는 것을 접하다보니 궁금증이 생겼습니다.

(1) 수치형 데이터를 레이블인코딩 해도 큰 문제가 없는지, 이 때 주의해야 할 부분이 있는지 궁금합니다.

(2) 위 데이터에서 범주형 데이터를 레이블인코딩 했을 때 발생하는 에러가 어떤 이유인지 궁금합니다.

ValueError: y contains previously unseen labels: 'SOTON/O.Q. 3101311'

Answer

우선 오해가 있어요 ! 위 심플 베이스라인에서는 인코딩을 진행하지 않았습니다. 수치형 변수만 사용해서 모델을 만들었어요!

범주형 데이터를 인코딩을 할 때 train과 test의 카테고리가 같을 때와 다를 때가 있어요! 지금은 달라서 발생하는 에러입니다. train에 있는 카테고리가 test의 카테고리를 포함하지 못한 것 같아요!

이럴 경우 합쳐서 인코딩을 진행하는 방법이 있어요! 새로 추가한 인코딩 강의 영상과 코드를 참고해주세요 🙂