인프런 커뮤니티 질문&답변

train = pd.DataFrame({
    '과일': ['사과', '배', '포도'],
    '색상': ['빨강', '노랑', '보라'],
    '가격': [5000, 7000, 10000]
})

test = pd.DataFrame({
    '과일': ['딸기', '배', '포도'],
    '색상': ['빨강', '노랑', '보라'],
    '가격': [15000, 7000, 10000]
})

이 상태에서, Label Encoding을 진행할 경우

ValueError: y contains previously unseen labels: '딸기'

라는 오류 문구가 뜹니다.

선생님께서는 이렇게, train과 test의 카테고리가 다를 경우, train과 test의 데이터를 합친 이후, Label Encoding을 진행하고, 그 후 분리하라고 강의에서 설명하셨습니다.

하지만 해당 방법을 시험에서 적용하지 못할 경우, 그 대안으로, 차라리 train과 test의 과일 컬럼을 아이에 삭제하고 수행해도, 문제 풀이에는 큰 지장이 없을까요? roc_auc_score, accuracy, 등의 평가지표가 조금 낮게 나오고, 정상적으로 제출에는 이상이 없는지, 아니면 제출 자체에도 이상이 생기는지 궁금합니다.