Feature Type

Categorical : 범주형

• 대상값들이 서로 떨어진 값을 가지는 변수. 대부분 몇 개의 범주 중 하나에 속하는 값들로 구성되어 어떤 분류에 대한 속성을 가진다
• 종류
  • 명목(Norminal)/비서열(Unordered)
  • 순위(Ordinal)/서열(Ordered)

Continuous : 연속형

• 대상 값들이 서로 연속된 값을 가지는 변수
• 종류
  • 등간(Interval)
  • 비율(Ratio)

Feature 전처리

Categorical : 범주형

• ML 알고리즘은 숫자(정수/실수)만 처리 가능
  • 범주형인 경우 숫자형으로 변환
  • 단순 문자열인 경우 일반적으로 제거
  • 종류
    • Label Encoding
      • 숫자의 차이가 모델에 영향을 주지 않는 경우
      • 변환 대상이 같은 경우는 같은 모델 객체로 학습 가능

      from sklearn.preprocessing import LabelEncoder  
       # 변환기(Transformer) 객체 생성 -> LabelEncoder(), 객체에 Label Encoding 결과 저장
       encoder = LabelEncoder()  
       # 어떻게 변환할지 학습 - fit(학습(=변환)할 대상), labeling = 학습
       encoder.fit(items)  
       # 변환 - transform(변환대상)
       labels = encoder.transform(items)

      fit() # 어떻게 변환할 지 학습, 내 생각에는 변환할 대상이라 생각하면 될 것 같다
       transform() # 문자열를 숫자로 변환
       fit_transform() # 학습과 변환을 한번에 처리
       inverse_transform() # 숫자를 문자열로 변환
       classes_ # 인코딩한 클래스 조회

    • One-Hot Encoding
      • N개의 클래스를 N 차원의 One-Hot 벡터로 표현되도록 변환
        • 고유값들을 피처(컬럼)로 만들고 정답에 해당하는 열은 1로 나머진 0으로 표시
          • Sparse Matrix : DecisionTree 계열의 알고리즘에서 Feature에 0이 많은 경우

      from sklearn.preprocesing import OneHotEncoder
      oh_encoder = OneHotEncoder(sparse=False)  
      # sparse=True : 1인 index들만 반환
      # sparse=False : ndarray형태로 2차원 형태(0과 1 모두 표시되어있는)로 반환
      oh_encoder.fit(items[...,np.newaxis])   # 2차원 형태로 입력해줘야하기 때문
      r = oh_encoder.transform(items[...,np.newaxis])
      get_feature_names_out()   # 원핫인코딩으로 변환된 컬럼의 이름을 반환

      • pandas get_dummies()이용해서 Encoding한 경우

      pd.get_dummies(dataframe)   # df 전체
      pd.get_dummies(dataframe, columns=['A', 'B'])  # 특정 열 선택해서 encoding

Continuous : 연속형

• 학습하는데 있어 각 Feature들의 값의 범위가 다를 경우 가중치 영향력이 상이해 학습에 적절하지 않은 영향 있을 수 있다. 대부분의 모델이 영향을 받기 때문에 각 Feature들의 범위를 일정한 범위로 맞추는 작업이 필요하다
  • Feature Scaling(정규화) : 위에서 언급한 작업
    • 두 가지 중 선택에 대해 결정 조건 미비, data보고 확인해야되는데 처리 이전에 data를 볼 수 없기에 둘 다 해보고 비교를 통해 선정
• 종류
  • Standardization : 표준화
    • 평균 0, 표준편차 1인 범위에 있도록 변환 ==> 0을 기준으로 모든 데이터들이 모여있게 된다

  from sklearn.preprocessing import StandardScaler
   # standardScaler 객체 생성
   stn_scaler = StandardScaler()
   # 학습시키기 -> data의 평균과 표준편차
   stn_scaler.fit(data)
   result = stn_scaler.transform(data)

  • Min Max Scaling
    • Dataset의 값들을 0(Min value)~1(Max value) 사이의 값으로 변환

  from sklearn.preprocessing import MinMaxScaler
  # 객체 생성
  mm_scaler = MinMaxScaler()
  # 학습 - 최소/최대값을 계산
  mm_scaler.fit(data)
  # 변환
  result = mm_scaler.transform(data)
  # 학습, 변환 한번에
  result2 = mm_scaler.fit_transform(data)