1. 학습
    2. /
  2. 강의
    3. /
  3. XGBoost로 익히는 Extreme Gradient Boosting
Connected

연습 문제

범주형 열 인코딩 I: LabelEncoder

이제 XGBoost에 사용할 주택 데이터를 어떻게 준비해야 하는지 살펴보셨으니, 단계별로 진행해 보겠습니다.

먼저 결측값을 채워야 합니다. 앞에서 보셨듯 LotFrontage 열에는 결측값이 많이 있습니다. 다음으로, 데이터셋의 모든 범주형 열을 원-핫 인코딩 같은 방법으로 숫자형으로 변환해야 합니다. 아이디어가 필요하시면 Supervised Learning with scikit-learn의 이 영상을 참고하세요.

이 데이터에는 MSZoning, PavedDrive, Neighborhood, BldgType, HouseStyle 다섯 개의 범주형 열이 있습니다. Scikit-learn에는 각 범주형 열의 값을 정수로 변환하는 LabelEncoder 함수가 있습니다. 여기서는 이를 연습해 보겠습니다.

지침

100 XP
  • sklearn.preprocessing에서 LabelEncoder를 임포트하세요.
  • .fillna()를 사용해 LotFrontage 열의 결측값을 0으로 채우세요.
  • 범주형 열에 대한 불리언 마스크를 만드세요. df.dtypes가 object인지 확인하면 됩니다.
  • LabelEncoder 객체를 생성하세요. 다른 scikit-learn 추정기와 동일한 방식으로 인스턴스화하면 됩니다.
  • 제공된 람다 함수에서 le의 .fit_transform() 메서드를 사용해 모든 범주형 열을 정수로 인코딩하세요.