본문 바로가기

BigData20

OneHotEncoding시에 OneHotEncoding.fit()과 df.get_dummies()의 차이는? 안녕하세요, 오늘은 OneHotEncoding시에 사용하는 OneHotEncoding.fit()과 df.get_dummies()의 차이에 대하여 알아보겠습니다. OneHotEncoder와 pd.get_dummies()는 모두 데이터를 원-핫 인코딩하기 위한 도구지만, 용도와 세부적인 기능에서 차이가 있습니다. 1. 라이브러리와 사용 목적OneHotEncoder: scikit-learn의 OneHotEncoder는 주로 머신러닝 모델 학습에 필요한 데이터 전처리에서 사용됩니다. 이를 통해 변환한 데이터를 바로 scikit-learn 모델에 사용할 수 있는 형식으로 만들어 줍니다.pd.get_dummies: pandas의 get_dummies()는 주로 데이터프레임에서 범주형 데이터를 쉽게 인코딩하기 위해.. 2024. 11. 7.

LabelEncoder와 OneHotEncoder의 차이는 무엇일까? 안녕하세요, 오늘은 LabelEncoder와 OneHotEncoder의 차이에 대하여 알아보겠습니다. LabelEncoder와 OneHotEncoder는 모두 범주형(object) 데이터를 수치형 데이터로 변환할 때 사용하는 인코딩 도구지만,사용 용도가 약간 다릅니다. 1. LabelEncoder개요 - LabelEncoder는 범주형 데이터의 각 값을 고유한 숫자(Label)로 변환합니다. 예를 들어, 'Red', 'Blue', 'Green'이라는 세 개의 카테고리가 있으면, 각각 0, 1, 2로 인코딩됩니다. 사용 용도 - 데이터의 카테고리 간에 순서가 있거나, 특정한 모델(예: 트리 기반 모델)에서는 숫자 자체가 의미를 가지지 않기 때문에, 고유한 숫자만 있으면 되는 경우 사용합니다. 예시 -'소형.. 2024. 11. 5.

빅데이터분석기사) 빅분기 실기 체험 제2유형 안녕하세요 오늘은 빅데이터분석기사 실기시험에 대비하여 빅분기 실기 체험 제2유형을 풀어보겠습니다. https://dataq.goorm.io/exam/3/%EB%B9%85%EB%8D%B0%EC%9D%B4%ED%84%B0%EB%B6%84%EC%84%9D%EA%B8%B0%EC%82%AC-%EC%8B%A4%EA%B8%B0-%EC%B2%B4%ED%97%98/quiz/4 구름EDU - 모두를 위한 맞춤형 IT교육구름EDU는 모두를 위한 맞춤형 IT교육 플랫폼입니다. 개인/학교/기업 및 기관 별 최적화된 IT교육 솔루션을 경험해보세요. 기초부터 실무 프로그래밍 교육, 전국 초중고/대학교 온라인 강의, 기업/edu.goorm.io 위 URL로 접속하여 체험이 가능합니다. 문제 풀이 및 주석은 아래와 같습니다. i.. 2024. 11. 1.

train_test_split의 파라미터에서 stratify는 언제 사용할까? 안녕하세요,오늘은 모델의 성능을 평가하기 위해 훈련 데이터와 테스트 데이터를 분할하는 데 사용되는 함수인train_test_split()와 그 파라미터인 stratify에 대하여 알아보겠습니다. train_test_split란?데이터셋을 train 데이터와 test 데이터로 분할하는 데 사용되는 함수입니다.주로 모델의 성능을 평가하기 위해 데이터를 나눌 때 사용하며 Python의 머신러닝 라이브러리인 Scikit-Learn에서 제공됩니다. - 주요 목적train 데이터는 모델을 학습시키기 위해 사용하고, test 데이터는 학습된 모델이 새로운 데이터에 대해 얼마나 잘 일반화되는지 평가하기 위해 사용합니다.데이터를 훈련과 테스트로 분리하면, train 데이터에만 최적화된 모델이 되는 것을 방지하고 새로운 .. 2024. 11. 1.

roc_curve와 roc_auc_score는 각각 언제 사용할까? 안녕하세요, 오늘은 모델 성능평가와 관련하여 roc_curve와 roc_auc_score의 차이에 대하여 알아보겠습니다. roc_curve와 roc_auc_score는 둘 다 분류 모델의 성능을 평가하는 데 사용되지만, 서로 다른 정보를 제공합니다. 이 둘의 사용처와 역할을 비교하면 다음과 같습니다. 1. roc_curve정의: roc_curve는 다양한 분류 임곗값(threshold)에 대해 **True Positive Rate (TPR, 재현율)**와 **False Positive Rate (FPR)**를 계산하여 ROC (Receiver Operating Characteristic) 곡선을 생성하는 함수입니다. 사용처:모델의 성능을 시각적으로 평가하고 싶을 때 유용합니다.임곗값에 따라 TPR과 F.. 2024. 10. 31.

MinMaxScaler과 StandardScaler는 언제 사용할까? 안녕하세요, 오늘은 수치형 스케일러인 MinMaxScaler와 StandardScaler에 대하여 알아보겠습니다. MinMaxScaler와 StandardScaler는 데이터의 스케일을 조정해주는 두 가지 대표적인 방법으로, 데이터의 특성과 분석 목적에 따라 선택적으로 사용됩니다. 1. MinMaxScaler특징: 데이터의 최소값을 0, 최대값을 1로 변환해 모든 값이 0에서 1 사이에 위치하도록 스케일링합니다.장점: 값이 일정한 범위 내에 존재하게 되므로 특정 값 범위가 필요한 알고리즘(예: 이미지 처리를 위한 신경망)이나 거리 기반 알고리즘(예: K-Nearest Neighbors)에서 유용합니다.사용처:데이터의 분포가 특정 범위 안에 있도록 제약해야 하는 경우.최대값과 최소값의 차이가 큰 변수를 사.. 2024. 10. 30.

이전 1 2 3 4 다음

티스토리툴바