머신러닝 원-핫 인코딩(One-Hot Encoding) - 개념 및 연습문제

 

 

원-핫 인코딩(One-Hot Encoding)이란?

• 범주형 데이터를 수치형 데이터로 바꾸는 방법
• 머신러닝 모델은 숫자만 이해할 수 있기 때문에, 문자나 범주를 숫자로 변환 필요

 

---

 

 

사용 예시

 

예를 들어, 색상을 나타내는  color  컬럼이 있다고 할 때

color

red

blud

green

red

…

 

• 머신러닝 모델은  "red"  같은 문자열을 직접 처리할 수 없다.
• 그런데 단순히  red=1, blue=2, green=3  이렇게 숫자로 바꾸면 모델이 1<2<3처럼 순서가 있다고 오해할 수 있다.
• 원-핫 인코딩은 순서 정보를 주지 않으면서 각 범주를 표현할 수 있는 방법이다.

 

 

 

각 범주를 0과 1로 된 새로운 컬럼으로 바꾼다.

color	red	blue	green
red	1	0	0
blue	0	1	0
green	0	0	1
red	1	0	0

• 각 행은 자신이 속한 범주만 1, 나머지는 0
• 모델이 범주를 독립적으로 인식할 수 있음

 

 

파이썬에서 구현

import pandas as pd

df = pd.DataFrame({"color": ["red", "blue", "green", "red"]})
df_encoded = pd.get_dummies(df, columns=["color"])
print(df_encoded)

 

 

 

출력

   color_blue  color_green  color_red
0           0            0          1
1           1            0          0
2           0            1          0
3           0            0          1

 

 

 

---

 

 

 

AICE Associate 연습문제

 

출처 : 더에이아이랩 AICE Associate특강 연습문제

 

8. 원-핫 인코딩(One-hot encoding)은 범주형 변수를 1과 0의 이진형 벡터로 변환하기 위하여 사용하는 방법입니다.

원-핫 인코딩으로 아래 조건에 해당하는 컬럼 데이터를 변환하세요.

 - 대상 데이터프레임: df_del
 - 원-핫 인코딩 대상: object 타입의 전체 걸럼
 - 활용 함수: Pandas의 get_dummies
 - 해당 전처리가 반영된 결과를 데이터프레임 변수 df_preset에 저장해 주세요.

# 여기에 답안코드를 작성하세요.

obj_columns = df_del.dtypes[df_del.dtypes == 'object'].index.tolist()
print(obj_columns)

df_preset = pd.get_dummies(data=df_del, columns=obj_columns)

 

 

 

1. object 타입 컬럼 찾기

obj_columns = df_del.dtypes[df_del.dtypes == 'object'].index.tolist()

•  df_del.dtypes  → 각 컬럼의 데이터 타입 반환
•  == 'object'  → 문자열(범주형) 컬럼만 필터
•  .index.tolist()  → 컬럼명 리스트로 추출

이렇게 하면 원-핫 인코딩할 컬럼만 선택 가능

 

 

•  df_del.dtypes  : 각 컬럼의 데이터 타입을 알려주는 속성

import pandas as pd

df_del = pd.DataFrame({
    "name": ["Alice", "Bob"],
    "age": [25, 30],
    "city": ["Seoul", "Busan"]
})

print(df_del.dtypes)

 

 

출력

name    object
age      int64
city    object
dtype: object

• Pandas에서  "name" 과  "city" 는 문자열 →  object 
•  "age" 는 정수 →  int64 
• (파이썬에서는 그냥 str, int 타입)

 

•  df_del.dtypes== 'object'  : 각 컬럼이 object  타입인지 True/False 로 비교

name     True
age     False
city     True
dtype: bool

• True → 문자열(범주형) 컬럼
• False → 다른 타입 컬럼
• dtype은 Series 형태(Pandas에서 1차원 배열과 비슷한 자료구조)로 보여주기 때문에  dtype: bool  같이 표시

 

 

2. get_dummies로 원-핫 인코딩

df_preset = pd.get_dummies(data=df_del, columns=obj_columns)

•  get_dummies  → 지정한 컬럼의 범주형 값을 0과 1로 된 새 컬럼으로 변환
•  data=df_del  → 원본 데이터
•  columns=obj_columns  → 원-핫 변환할 컬럼 지정
• 반환값 → 원-핫 인코딩이 반영된 새로운 DataFrame