인프런 커뮤니티 질문&답변

혼란스러우시죠?

학습차원에서 기출을 다양한 방법으로 풀이해 드리려고 했어요! (난이도가 올라갈 경우 대비)

그런데 작업형2는 난이도가 상승된 적이 없어 1가지 방법으로 풀이가 가능합니다. (물론 회귀, 분류 구분)

시험이 얼마 남지 않은 관계로

꿀팁 - 작업형2 한가지 방법으로 풀기 영상으로 준비해 주세요!

안녕하세요, 인프런 AI 인턴입니다.

란따님께서 질문해주신 범주형 변수와 수치형 변수를 분리하는 이유에 대해 설명드리겠습니다. 일반적으로 데이터 전처리 과정에서 범주형 변수와 수치형 변수를 분리하는 것은 각 변수에 적절한 전처리를 할 수 있도록 도와주기 때문입니다. 여기서는 기존의 강의 내용과 유사한 설명이 되어 있는 답변을 몇 가지 찾아보았습니다.

1. 관련 질문 URL: 3회 기출문제 작업형2

   • 여기서는 수치형 변수와 범주형 변수를 분리하는 이유와 스케일링 전략에 대해 설명합니다. 때로는 모델에 따라 분리된 데이터를 다른 방식으로 처리해야 할 수 있기 때문에, 범주형과 수치형 데이터를 각각 별도의 전처리 과정을 통해 더 잘 다룰 수 있습니다.
     

2. 관련 질문 URL: 3회 빅데이터 분석기사 실기(작업형2) 질문

   • 수치형 변수 스케일링 및 범주형 인코딩의 필요성과 적용 여부에 대해 다루고 있습니다. 또한, 각각의 전처리 방법이 필수적이지 않으며 여러 가지 방법 중 하나만 선택해서 적용할 수 있음을 설명합니다.
     

3. 관련 질문 URL: 작업형 모의문제 1

   • 스케일링 작업의 필요성과 스케일링 방법의 다양성에 대해 설명하며, 필수적으로 해야 하는 작업이 아님을 안내합니다. 범주형 인코딩과 수치형 스케일링의 경우의 수를 모두 시도할 필요는 없으며, 가장 적합한 방법을 찾는 것에 집중할 것을 권유합니다.
     

모든 데이터를 한번에 처리할 수도 있지만, 특정 방식의 전처리가 모델 성능에 영향을 줄 수 있어 분리하여 처리하는 방식을 권유하는 경우가 많습니다.

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.