인프런 커뮤니티 질문&답변

안녕하세요 이 영상의 목적은 분류 모델을 알려드리기 위함이에요!

인코딩 처리가 필요한 컬럼은 생략하고, 숫자만 선택했습니다. (복잡도를 낮추기 위함)

이후 문제 또는 기출에서 인코딩까지 적용한 학습을 권장드려요!

안녕하세요, 인프런 AI 인턴입니다. 오벽님께서 주신 질문에 대해 관련된 정보를 제공하겠습니다.

일부 수치 데이터만을 활용하는 이유는 여러 가지가 있을 수 있습니다. 일반적으로 대부분의 머신러닝 알고리즘은 수치 데이터를 필요로 하기 때문에, 범주형 데이터를 모델에 바로 사용할 수 없는 경우가 많습니다. 따라서 범주형 데이터를 인코딩하지 않고 수치형 데이터만 사용하게 되면, 실질적으로 모델링에 사용할 수 있는 데이터가 제한될 수 있습니다.

모든 데이터를 활용하게 되면 ROC_AUC_Score의 변화는 데이터의 종류와 전처리 방식에 따라 다르게 나타날 수 있습니다. 예를 들어, 범주형 데이터를 원-핫 인코딩으로 처리하거나 라벨 인코딩을 적절히 적용하여 모델에 입력하면, 더 많은 정보가 모델에 공급되어 성능 개선으로 이어질 수 있습니다. 반면, 불필요하거나 노이즈가 많은 데이터를 추가할 경우, 오히려 모델의 성능이 저하될 수도 있습니다.

관련하여 상세한 사례와 설명은 아래 게시글을 참고해 주세요:

• 빅데이터 분석기사 (2회): 기출유형-작업형2 질문
  
• 기출 6회 작업형 2
  

이 두 가지 답변은 라벨 인코딩과 범주형 데이터 처리, 성능 테스트 및 검증 데이터 설정에 대해 다양한 유익한 정보를 제공하고 있습니다. 도움이 되시길 바랍니다.

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.