티스토리 뷰

카테고리 없음

20201127 DAY21 One-Hot Encoding

eℓlie 2020. 11. 27. 10:55

오늘은 원핫인코딩을 익혔다.

자료에는 One-Hot Encoding creates a new binary feature for each possible category and assigns a value of 1 to the feature of each sample that correspnds to its original category. 라고 되어 있는데, 내가 이해하기엔 요컨대 원핫인코딩이란 문자열 값을 가지는 컬럼에서 해당 문자열을 값을 컬럼으로 추가하고, 해당되면 1 해당되지 않으면 0을 가지는... 요컨대 이진행렬 형태로 바꾸는 것이다. 그럼 결괏값은 희소행렬로 나올 테니까 확실히 메모리를 아낄 수 있겠다. 
여기까지 생각하고 더 찾아보니까 이렇다. 
범주형 텍스트를 단순히 순서에 따라 숫자형으로 변환하면 실제로는 서로 가깝지 않은 값을 서로 가깝다고 착각하게 될 수 있음. 이런 문제를 해결하기 위해서 원핫인코딩을 고안한 것이다. 똑똑한걸? 

 

출처: 《핸즈온 머신러닝》 2판(자료는 멘토님이 제공해주심)

원본 코드. 역시 주택가격 데이터를 활용하므로 DAY15~20까지의 코드와 동일.

사이킷런 패키지에서 원핫인코더를 불러오고, 행렬 형태로 나타낸다. 

1
2
3
4
5
6
7
8
from sklearn.preprocessing import OneHotEncoder
 
housing_cat = housing[["ocean_proximity"]]
 
cat_encoder = OneHotEncoder()
housing_cat_1hot = cat_encoder.fit_transform(housing_cat)
housing_cat_1hot
housing_cat_1hot.toarray()
 cs

다음과 같이 housing_cat을 정의해주어야 한다. 

housing_cat = housing[["ocean_proximity"]]

교재 예제 결과랑 좀 다르게 나오는 것 같은데?