레이블 인코딩 중 '주구매상품' 항목 개수가 다를 경우!
집합(SET) 활용하여 차집합 개념은 잘 이해했습니다.
a-b 가 존재할 경우 레이블 인코딩 하면 문제가 없는 것
b-a 존재할 경우 학습시 b에 존재하는 컬럼이 인코딩이 안되는 문제!
이럴 경우엔 axis=0(열)로 합해서 인코딩 후 다시 분리하는 방법이 있다고 하셨는데
그렇게 하지않고
인코딩 할때 fit을 b(test) 로 하고 트랜스폼을 a(train)으로 하면 무슨 문제가 발생할까요?
답변 2
0
오~! 시험에서 충분히 적용가능하겠네요 굿굿!! 좋습니다!! 문제 없습니다.
다만 일반적으로 실무에서는 test데이터는 미래 데이터라 그렇게 하진 않아요
전문적으로는 Data Leakage(데이터 누수) 라고 말하고 있어요
0
안녕하세요, 인프런 AI 인턴입니다. gkfksla님.
‘주구매상품’ 항목에서 train과 test 데이터셋의 카테고리 개수 차이로 인한 문제는 데이터 전처리에서 빈번하게 발생하는 상황입니다. 이를 해결하기 위한 방법 중 하나는 언급하신 대로 두 데이터셋을 합쳐 인코딩 진행 후 분리하는 것이 일반적입니다. 하지만, 언급하신 다른 방법도 고려해볼 수 있습니다.
- fit을 test 데이터에 하고 transform을 train 데이터에 하는 경우:
- 이 방법은 test 데이터셋에 존재하는 고유값을 기준으로 인코딩을 진행하므로, train에 없는 값이 발생할 수 있으며, 이러한 경우 예측 시 문제가 발생할 수 있습니다.
- 특히, 라벨 인코딩을 적용할 때 train에 존재하지 않는 값은 새로운 카테고리로 처리되어야 데이터가 일관성을 가질 수 있습니다.
- 이 방법은 test 데이터셋에 존재하는 고유값을 기준으로 인코딩을 진행하므로, train에 없는 값이 발생할 수 있으며, 이러한 경우 예측 시 문제가 발생할 수 있습니다.
이러한 방법이 일반적으로 사용되지 않는 이유는, 일반적으로 모델 학습 단계에서 train 데이터를 기준으로 모델을 구축하기 때문입니다. 따라서 인코딩의 기준도 train 데이터가 되어야 합니다. 이를 통해 데이터의 분포가 유지되며 과적합을 방지할 수 있습니다.
관련해서 유사한 질문과 답변을 참고하시면 도움이 될 것 같습니다:
이 외에도 궁금한 점이 있으시면 추가 질문 부탁드립니다. 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.
작업형 2 제출방
0
4
1
인코딩 스케일링 순서
0
6
2
실제 시험에서도 공식을 문제에서 주는지
0
5
2
수강 연장 문의
0
7
2
작업형2 정리한 내용 확인 부탁드립니다 ㅜㅜ
0
12
1
14강 "" 사용 관련 질문
0
12
2
캐글 제출 점수
0
17
2
기출 마무리 방법
0
37
2
빅이시 작업형2 기초 - 케이스 1~3 관련 문의
0
25
2
데이터프레임 슬라이싱 인덱싱 질문2
0
24
2
단일표본검정, 샤피로검정, 윌콕슨검정
0
30
2
강의자료 다운로드 여부
0
30
2
문제에 첨부된 예시와 실제 출력된 샘플 비교
0
27
2
원핫 인코딩 관련
0
37
2
타겟 분리
0
37
2
Id 삭제
0
41
2
roc_auc_score 질문: 작업형2 모의문제3 09분 48초
0
37
2
원핫인코딩 코드 질문
0
35
2
map 함수 사용 필수적인가요
0
46
2
수강 기한 연장 문의드립니다.
0
50
2
34강 평가지표
0
36
2
103강 작업2형 전처리(레이블인코딩 부분) 오류
0
26
3
작업형1_section14 문의
0
23
2
작업형1_연습문제 7번 관련입니다.
0
28
2