[머신러닝] 데이터 전처리 ( 원 핫 인코딩 )

 

 

 

 

 

데이터 전처리 ( 원 핫 인코딩 )

 

원 핫 인코딩

6. 원 핫 인코딩.ipynb

0.01MB

6. 원 핫 인코딩.html

0.27MB

 

원-핫 인코딩¶

• 원-핫 인코딩은 사람이 이해하는 언어를 컴퓨터가 쉽게 이해할 수 있도록 행렬로 표현한다

문자단어가 존재하는 곳은 1로 아닌 곳은 0으로 한다

• 구조를 행열 형태로 변경하여 데이터가 존재하는 곳에만 1로 표시하는 방법 방법

In [14]:

import pandas as pd
df = pd.DataFrame({
    'city': ['부산', '부산', '인천', '제주', '서울'],
    'number':['051', '051', '032', '064', '02'],
    'int' : [1,2,3,4,5]
})
df

Out[14]:

	city	number	int
0	부산	051	1
1	부산	051	2
2	인천	032	3
3	제주	064	4
4	서울	02	5

In [15]:

df.dtypes

Out[15]:

city      object
number    object
int        int64
dtype: object

In [16]:

# 문자 형태만 숫자로 변환한다
df_d = pd.get_dummies( df, dtype=int )
df_d

Out[16]:

	int	city_부산	city_서울	city_인천	city_제주	number_02	number_032	number_051	number_064
0	1	1	0	0	0	0	0	1	0
1	2	1	0	0	0	0	0	1	0
2	3	0	0	1	0	0	1	0	0
3	4	0	0	0	1	0	0	0	1
4	5	0	1	0	0	1	0	0	0

In [17]:

df = pd.DataFrame({
    'fruit': ['망고', '바나나', '사과', '앵두'],
})
df

Out[17]:

	fruit
0	망고
1	바나나
2	사과
3	앵두

In [18]:

from sklearn.preprocessing import LabelEncoder

In [19]:

le = LabelEncoder()
le.fit( df['fruit'] )
df['number'] = le.transform(df['fruit'])
df

Out[19]:

	fruit	number
0	망고	0
1	바나나	1
2	사과	2
3	앵두	3

• 나중에 데이터들을 알고리즘에 넣고 실행을 할 경우 위와 같은 규칙을 가지고 있을때 예측 성능의 저하를 일으키게 된다.
• 그래서 지금과 같은 경우 one-hot encoding를 이용하는게 효율적이 된다.
• 레이블 인코딩을 이용하는 경우 트리계열의 알고리즘을 사용하고, 선형회귀와 같은 알고리즘을 이용할 경우 one-hot인코딩을 이용하는게 예측성능이 좋아질 수 있다

 

 

728x90

---