인프런 커뮤니티 질문&답변

안녕하세요 선생님 저는 작업형 2를 아래와 같은 매커니즘으로 푸려고 합니다.

train.info()를 통해서 object 컬럼 확인

→ 만약 범주형 데이터가 있다면?

→ 라벨인코딩

(여기서 cols = train.select_dtypes(include='object').columns 로 해서 푸려고 합니다.)

→

target = train.pop('타겟컬럼')

train = train.drop('ID',axis=1)

test_ID = test.pop('ID')

→

train_test_split을 통해 검증데이터 분리

train_test_split(train, target, test_size=0, random_state=0)

<여기서 train과 target으로만 쓰기 위해서 위에서 pop과 drop을 진행했습니다.>

→

모델 예측 및 검증

무조건 랜덤포레스트로 진행하고 그 후에 하이퍼파라메터 튜닝으로 성능 비교해볼 생각입니다.

→

평가지표에 따른 성능 비교

→

하이퍼파라메터 튜닝 적용해보기

→

DataFrame 만들기

→

csv만들기

매커니즘에 따른 코드는 다음과 같습니다.

train.info()

from sklearn.preprocessing import LabelEncoder

cols = train.select_dtypes(include='object').columns

for col in cols:

le = LabelEncoder()

train[col] = le.fit_transform(train[col])

test[col] = le.transform(test[col])

target = train.pop('타겟컬럼')

train = train.drop('ID',axis=1)

test_ID = test.pop('ID')

from sklearn.model_selection import train_test_split

X_tr, X_val, y_tr, y_val = train_test_split(train, target, test_size=0, random_state=0)

from sklearn.ensemble import RandomForestClassifier

rf = RandomForestClassifier(random_state=0, max_depth = 5, n_estimators = 500)

rf.fit(X_tr,y_tr)

pred = rf.predict(X_val)

from sklearn.metrics import f1_score

print(f1_score(y_val, pred, average='macro'))

pred = rf.predict(test)

submit = pd.DataFrame({

'ID' : test_ID,

'타겟컬럼' : pred

})

submit.to_csv('0000.csv', index=False)

여기서 질문은

1. pop과 drop을 저 단계에서 해줘도 무방한가요?

cols를 라벨 인코딩에서 먼저 정의해주게 되는데 그 이후에 pop과 drop써도 무방한지 여쭤봅니다.

2. 물론 어떤 데이터를 주냐에 따라 다르겠지만 위와 같은 과정으로 진행해도 점수획득에 큰 무리 없겠죠?

(교차검증등등은 진행하고 싶지 않아서요)

3. 범주형 데이터가 하나도 없다면? 그럴일이 없을거 같긴한대 그러면 인코딩단계만 빼고 그대로 진행하면되나용?