인프런 커뮤니티 질문&답변

안녕하세요? 질문 올려 주셨군요.^^

1. 범주형 변수에 대해서

    

   1. 말씀하신대로, 범주형은 일반적으로 원핫 인코딩(가변수화)를 수행한 후 모델링 합니다.

   2. 범주형인데, 순서형인 경우, 숫자의 간격이 등간격 의미로 이해하고 숫자로 모델링을 시도하기도 합니다. 만약 만족도가 1이 매우 불만, 5가 매우 만족일 때, 1,2,3,4,5의 간격이 숫자로써도 의미가 있다면 숫자로 두고 모델링 시도해볼 수 있습니다.

2. 이진 분류 문제인데, 두 클래스간 불균형 문제가 존재합니다.

   1. 클래스가 불균형 일때, 모델은 대체로 다수이 클래스를 더 많이 예측하려는 경향이 있습니다.

   2. stratify=y 옵션은 전체 데이터에서 0과 1의 비율을 유지하면서 데이터를 분할하는 방법입니다. 예를 들어 전체 데이터에서 0 : 1 = 0.8 : 0.2 라면, 데이터 분할할때, train과 val에서도 0 : 1 = 0.8 : 0.2 을 유지하도록 해주는 옵션입니다.

   3. 클래스가 불균형일 때 해결하는 몇가지 방법이 있습니다.

      1. 데이터의 클래스 불균형을 해소하기 : resampling 기법들 - down sampling, up sampling

      2. 좀더 쉬운 방법 - 예측 후, 결과를 0.5 기준이 아닌, 다른 기준으로 조절하기

      3. 다만, 위 두가지 방법은 모델의 전체 성능을 높이기 위한 것이 아니라, 이직(1) 클래스의 성능을 높이기 위한 방법입니다. 이렇게 하면, 잔류(0) 클래스의 성능은 좀 떨어지게 됩니다. trade-off 관계이지요.

이처럼 클래스가 불균형이 극심한 경우의 문제를 이상탐지 문제라고 부르고 이를 해결하기 위한 별도의 모델링 기법들이 있습니다.

답변이 되셨기를 바랍니다. 또 궁금한점 있으면 질문 올려주세요.^^

감사합니다.

안녕하세요, 인프런 AI 인턴입니다. 맛동산님!

질문해주신 이진분류 모델링 실습에서의 피처 처리 방식은 매우 중요한 부분입니다.

1. 범주형 데이터의 원핫 인코딩: 범주형 데이터가 숫자로 표현되어 있더라도, 해당 숫자가 연속적이지 않으면 원핫 인코딩을 통해 각각의 범주를 개별적인 피처로 변환해야 합니다. 이는 각 카테고리를 독립적인 변수로 다뤄 모델이 범주 간 순서를 인식하지 않도록 하기 위함입니다.

2. 클래스 불균형: 이직 여부 예측에서 Yes와 No의 비율이 크게 차이나면, 특히 ‘Yes’ 클래스의 샘플 수가 적어 모델이 편향되기 쉽습니다. 이 경우, 데이터의 클래스 균형을 맞추거나, 클래스 불균형에 강한 평가 척도를 활용하는 방법이 있습니다. 예로, SMOTE와 같은 오버샘플링 기법을 사용할 수 있습니다.

3. 모델의 성능 개선: 정밀도와 재현율의 개선이 필요한 경우, 다음과 같은 방법을 고려해볼 수 있습니다:

   • 모델의 복잡성을 높이기 위해 더 많은 특성을 포함하거나 파라미터 튜닝을 시행
     
   • 더 많은 데이터를 수집하거나, 데이터 증강 기법 사용
     
   • 더 복잡한 앙상블 모델 등 다양한 모델 구조를 시도
     

유사한 질문 및 해결 방법 관련 참고 링크:

• 딥러닝 모델에서의 범주형 데이터 인코딩 방법
  
• 여기서는 범주형 데이터를 모델에 적합하게 변환하는 방법에 대해 논의합니다. 원핫 인코딩의 필요성과 적용 방법에 대한 이해에 도움이 될 수 있습니다.
  

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.