Data Preprocessing : Label Encoding * One hot Encoding

Label Encoding

- 사이킷런의 LabelEncoder 클래스로 구현할 수 있다.

 LabelEncoder 또한, 다른 sklearn 객체와 같이, 객체 생성 후 fit, transform 호출하며 진행

from seaborn import load_dataset
from sklearn.preprocessing import LabelEncoder

penguin_df = load_dataset("penguins")

encoder = LabelEncoder()
#LabelEncoder 또한, 다른 sklearn 객체와 같이, 객체 생성 후 fit, transform 호출하며 진행
encoder.fit(penguin_df["species"])
labels = encoder.transform(penguin_df["species"])
print("인코딩 변환값: ", labels)

 

>>> 인코딩 변환값: [0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2]

 

feature들이 인코딩된 결과를 확인하기 위해서는 LabelEncoder( ) 객체에서 classes_ 속성값을 통해서 확인

 

print(encoder.classes_)

>>> ['Adelie' 'Chinstrap' 'Gentoo']

 

 

print(encoder.inverse_transform([0, 1, 2]))

>> ['Adelie' 'Chinstrap' 'Gentoo']

 

LabelEncoder를 이용해서 일괄적인 숫자값(크기, 순서의 의미를 포함한)으로 변환한 경우 Linear Regression같은 ML 알고리즘에서는 문제가 발생

(Decision Tree Classifier 계열의 알고리즘에서 괜찮다... 크기, 순서 등의 개념을 배제하여 학습하기 때문)

 

One-Hot Encoding

피처 값의 유형에 따라 새로운 피처를 추가해 고유값에 해당하는 칼럼에만 1을 표시하고 나머지에는 0을 표시

▶ 인코딩의 결과값들이 크기, 순서의 의미를 가지지 않음!

 

사이킷런에서는 OneHotEncoder 클래스로 변환이 가능 

- 입력값으로 2차원 데이터가 요구되고, 변환한 값이 Spare Matrix 형태 이므로 이를 다시 toarray() 메소드를 통해 다시 밀집 행렬로 변환해야 함.

 

Pandas의 get_dummies( ) API를 이용하면 더 편리함