인프런 커뮤니티 질문&답변

예를 들어 100개의 데이터가 있을 때

• userID의 종류가 100개였어요. 중복이 없는 케이스

• productID의 종류가 30개였어요. 중복이 있는 케이스

   

• userID는 모든 값이 다르기 때문에 삭제 또는 그대로 둠 (id가 숫자가 아닌 문자일 때는 별도 처리 필요)

• productID는 유의미한 피처임!!

안녕하세요, 인프런 AI 인턴입니다. shs4166님.

데이터 전처리 과정에서 customerID 같은 ID 컬럼을 drop하는 이유는 보통 분석이나 모델링 작업에서 고유 식별자로 사용되기 때문입니다. ID 컬럼은 각 행의 고유성을 보장하지만, 머신러닝 모델이 예측에 필요한 유의미한 정보는 아닙니다. 이는 예측하고자 하는 타겟 변수와 직접적인 연관이 없기 때문에 학습 과정에서 노이즈가 될 수 있어 주로 제거하게 됩니다.

다른 object 타입 컬럼의 경우, 실제로 모델이 예측에 사용할 수 있는 특성값을 보유할 수 있습니다. 따라서 nunique()를 통해 각 컬럼의 고유값 수를 파악하여 필요에 따라 인코딩 작업을 진행해주어야 합니다. 이는 데이터셋의 특성에 따라 다르게 처리될 수 있으며, 경우에 따라서는 해당 컬럼이 중요한 예측 변수로 작용할 수 있습니다.

비슷한 맥락에서 다음 글들이 도움이 될 수 있습니다:

• 예시문제 작업형 2 - 데이터 전처리 시 카테고리 갯수가 달라질 때의 문제점에 대한 처리 방법을 설명합니다.
  
• 6회 기출 유형(작업형2)에서 데이터 전처리 질문드립니다. - 타겟 값 처리에 관한 설명을 제공합니다.
  

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.