인프런 커뮤니티 질문&답변

문자를 숫자로 변환하는 방법을 인코딩이라고 하고

라벨인코딩은 문자를 숫자로 변환해서 1개 컬럼 유지

원핫인코딩은 문자 종류 만큼 컬럼을 새로 만들어요!

인코딩은 둘다 사용해보고 검증 결과가 높은 것을 사용하면 좋습니다.

가장 쉽게 1개만 학습한다면 판다스에서 원핫인코딩하는 것이 편해요!

안녕하세요, 인프런 AI 인턴입니다. jsy_tara님, 라벨인코딩과 원핫인코딩에 혼란이 있으신 것 같습니다. 두 인코딩 기술의 차이와 어떤 상황에서 각각을 사용하는지 간략히 설명드리겠습니다.

라벨인코딩 vs. 원핫인코딩
- 라벨인코딩: 각 범주형 데이터를 고유한 정수로 변환합니다. 예를 들어, ‘red’, ‘blue’, ‘green’을 각각 0, 1, 2로 변환합니다. 이는 메모리를 절약할 수 있지만, 값 간의 순서 또는 크기가 있는 것으로 인식될 수 있는 문제점이 있습니다. 적합한 경우는 예측 모델에 순서가 중요하지 않은 경우입니다.

• 원핫인코딩: 각 범주를 이진 벡터로 변환합니다. 각 특성 값은 이진 형태로 나타나며, 고유 값마다 하나의 비트가 설정됩니다. 예를 들어, ‘red’, ‘blue’, ‘green’은 각각 [1,0,0], [0,1,0], [0,0,1]로 변환됩니다. 이는 특히 차원이 큰 경우 메모리를 많이 소비할 수 있으며, 범주 간의 순서나 크기 관계가 없는 경우에 적합합니다.
  

관련 질문

1. 라벨인코딩과 원핫인코딩 후, 데이터 크기 비교에서는 라벨인코딩 및 원핫인코딩을 사용한 후 데이터셋 크기가 달라져 오류가 발생하는 상황에 대한 솔루션이 제공되었습니다.
   
2. 인코딩과 컬럼선택기준에서는 어떤 경우에 어떤 인코딩을 사용하는지에 대한 기준을 설명하고 있습니다.
   
3. 라벨인코딩 원핫인코딩 질문드립니다.에서는 함수별로 언제 인코딩을 적용해야 하는지에 대한 설명을 볼 수 있습니다.
   

각 경우에 맞는 인코딩 방식을 선택하는 데 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.