시작하기무료로 시작하기

홈
강의
Python으로 배우는 Machine Learning 전처리

범주형 변수 인코딩

Create Your Free Account

or

Email Address

Password

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

이 연습은 강의의 일부입니다

Python으로 배우는 Machine Learning 전처리

SkillTag.level.intermediateSkillTag.label

4.8+

무료로 강의 시작하기

이 장에서는 데이터 전처리가 무엇을 의미하는지 정확히 배우게 됩니다. 데이터 형식을 살펴보고 결측치를 다루는 등 전처리의 첫 단계를 진행해 볼 거예요.

Exercise 1: 전처리 소개 Exercise 2: 결측치 탐색하기 Exercise 3: 결측값 제거하기 Exercise 4: 데이터 타입 다루기 Exercise 5: 데이터 타입 탐색하기 Exercise 6: 열의 자료형 변환하기 Exercise 7: 훈련 세트와 테스트 세트 Exercise 8: 클래스 불균형 Exercise 9: 계층적 표본추출 (Stratified sampling)

이 장의 핵심 주제는 데이터 표준화입니다. 많은 모델은 특성의 분포나 스케일에 대해 가정을 합니다. 표준화는 데이터를 이러한 가정에 맞추어 알고리즘 성능을 높이는 방법이에요.

Exercise 1: 표준화 Exercise 2: 표준화가 필요한 때 Exercise 3: 정규화 없이 모델링하기 Exercise 4: 로그 정규화 Exercise 5: 분산 확인하기 Exercise 6: Python에서 로그 정규화 Exercise 7: 특성 비교를 위한 데이터 스케일링 Exercise 8: 데이터 스케일링 - 열 조사하기 Exercise 9: 데이터 스케일링 - 열 표준화하기 Exercise 10: 표준화된 데이터와 모델링 Exercise 11: 스케일링하지 않은 데이터에 KNN 적용 Exercise 12: 스케일링한 데이터에서의 KNN

이 절에서는 Feature Engineering을 배웁니다. 데이터셋에 이미 있는 특성으로부터 새로운, 더 유용한 특성을 만드는 다양한 방법을 살펴봅니다. 수치형과 텍스트 특성에서 정보를 인코딩하고 집계하며 추출하는 방법을 보게 될 거예요.

Exercise 1: Feature engineering Exercise 2: 피처 엔지니어링 지식 점검 Exercise 3: 특성 공학이 필요한 영역 찾기 Exercise 4: 범주형 변수 인코딩

현재 연습

Exercise 5: 범주형 변수 인코딩 - 이진 Exercise 6: 범주형 변수 인코딩 - 원-핫 Exercise 7: 수치형 특징 엔지니어링 Exercise 8: 수치형 특성 집계하기 Exercise 9: Datetime 구성 요소 추출하기 Exercise 10: 텍스트 특징 엔지니어링 Exercise 11: 문자열 패턴 추출하기 Exercise 12: 텍스트 벡터화 Exercise 13: tf/idf 벡터를 사용한 텍스트 분류

이 장에서는 데이터셋에서 가장 중요한 특성을 선택하는 여러 기법을 다룹니다. 중복된 특성을 제거하고, 텍스트 벡터를 활용하며, 주성분 분석(PCA)을 사용해 데이터셋의 특성 수를 줄이는 방법을 배우게 됩니다.

Exercise 1: 특성 선택 Exercise 2: 특징 선택을 언제 사용할까요 Exercise 3: 특징 선택이 필요한 부분 찾기 Exercise 4: 중복된 특성 제거하기 Exercise 5: 관련 특성 선택하기 Exercise 6: 상관된 특성 확인하기 Exercise 7: 텍스트 벡터를 사용한 특성 선택 Exercise 8: 텍스트 벡터 탐색, 1부 Exercise 9: 텍스트 벡터 살펴보기, 2부 Exercise 10: 특성 선택과 함께 Naive Bayes 학습하기 Exercise 11: 차원 축소 Exercise 12: PCA 사용하기 Exercise 13: PCA로 모델 학습하기

이제 전처리에 대해 모두 배웠으니, UFO 목격 정보를 담은 데이터셋에 이러한 기법을 적용해 보겠습니다.

Exercise 1: UFO와 전처리 Exercise 2: 열 데이터 유형 확인하기 Exercise 3: 결측 데이터 삭제 Exercise 4: 범주형 변수와 표준화 Exercise 5: 문자열에서 숫자 추출하기 Exercise 6: 표준화가 필요한 특성 식별하기 Exercise 7: 새로운 특성 만들기 Exercise 8: 범주형 변수 인코딩 Exercise 9: 날짜에서 특징 만들기 Exercise 10: 텍스트 벡터화 Exercise 11: 특성 선택과 모델링 Exercise 12: 이상적인 데이터셋 선택하기 Exercise 13: UFO 데이터셋 모델링, 1부 Exercise 14: UFO 데이터셋 모델링, 2부 Exercise 15: 축하합니다!