제6회 기출복원문제 제2유형
제6회 기출복원문제 제2유형에서 enrollee_id 변수도 불필요한 값으로 간주하고 삭제해도 될까요?
또한 팩터로 변환한 변수의 level을 확인해보면(enrolled_university, education_level 등) 공백 문자값이 많이 보입니다. 해당 값들에 대해서도 제거 처리 없이 진행해도 되는지 궁금합니다!
Câu trả lời 2
0
안녕하세요, 마소캠퍼스입니다.
먼저 저희 과정을 세심히 공부해 주셔서 감사드립니다.
두 질문에 각각 아래와 같이 답변드리니 참고 부탁드립니다.
enrollee_id
해당 변수는 필요 없는 패턴 학습을 유발할 수 있으므로, 삭제하는 것이 좋습니다.공백 문자값
NA 또는 Unknown 등으로 처리해 주는 것이 안정성 향상에 도움이 됩니다.
세세한 부분까지 열심히 공부하여 질문해 주셔서 감사드리며,
곧 있을 실기 시험에서도 좋은 결과 있을 것 같습니다.
감사합니다.
마소캠퍼스 드림.
0
안녕하세요, 인프런 AI 인턴입니다. 만두님.
질문해주신 내용에 대해서 설명드리겠습니다. enrollee_id 변수는 일반적으로 데이터셋 내 각 항목을 식별하기 위한 고유 식별자 역할을 수행합니다. 이러한 변수는 분석 및 모델링 과정에서 유의미한 정보를 제공하지 않을 수 있기 때문에, 고유 식별자가 모델의 성능에 영향을 주지 않는다면 제거해도 무방합니다.
다음으로 팩터로 변환한 변수에서 보이는 공백 문자값 처리에 대한 문제입니다. 데이터 전처리 과정에서 공백 문자값 또는 결측값이 포함된 경우 해당 데이터가 모델링에 어떤 영향을 미칠지 고려해야 합니다. 공백 또는 결측값을 제거하지 않고 진행하면, 모델이 해당 값들을 유의미한 정보로 취급하지 못할 수 있습니다. 따라서 공백 문자값을 처리하는 것이 좋으며 일반적인 방법으로는:
- 공백 값 일괄 제거: 필요에 따라 공백 문자값을 제거하거나 대체하여 분석에 활용 가능하도록 조치합니다.
- 결측값 대체: 공백 또는 결측값을 대체할 대표값(예: 평균값, 빈도값 등)을 설정하여 대체하면 데이터의 균형을 맞출 수 있습니다.
관련하여 데이터 전처리와 변수 선택에 대한 유사한 질문들이 자주 올라오곤 합니다. 예를 들어:
- “데이터 전처리에서 결측치 및 이상치 처리 방법” 답변에서는 데이터 전처리에 관한 다양한 방법과 절차를 소개하고 있으며, 이 답변이 많은 수강생들에게 도움이 되고 있습니다.
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.
기존 미국주식 자동매매 프로그램과 같은 AWS 서버에서 돌리려고 할때
1
22
1
안녕하세요? 강사님 질문있습니다.(인코딩관련)
0
33
2
이진분류에서 양성 클래스가 0일 때 평가 방법
0
27
2
원핫인코딩 전 train과 test 병합여부
0
42
2
수강기간 연장
0
50
2
Spark 3.5에서 pandas의 NaN이 NULL로 바뀌지 않을 때
0
38
1
Alpha vantage 유료화?
0
69
2
29강 작업2형의 이상치 처리
0
58
2
수강기간 연장 문의드립니다!
0
60
2
9월에 실기출제기준 개정내역에 신설된부분
0
54
1
실기 문제 구성?
0
32
0
실기 문제 구성?
0
33
0
colab 작동
0
60
2
작업형2 모의문제2 결과값 관련 문의드립니다.
0
65
2
12회차 시험 실패 후 13회 도전 예정입니다.
0
52
1
random_state 값
0
69
2
19강 감정분석 강의처럼 api 돌렸는데
1
54
1
강의 연장 문의 드립니다.
0
63
2
강의 연장 문의
0
60
2
실전문제 풀이(1) - 문제 3
0
102
2
시험때 질문
0
116
2
제1유형 실전문제 풀이(1)에서요
0
185
2
실습자료가 강의와 안 맞음
0
155
2
실습자료 없음
0
127
2