[데이터 전처리] Label encoding(레이블 인코딩)

 

🧐 인코딩은 왜 필요할까?

• 사이킷런의 머신러닝 알고리즘은 문자열 값을 입력값으로 허용하지 않는다.
• 따라서 모든 문자열 값은 인코딩 되서 숫자 형으로 변환해야 한다. 
• 문자열 피처는 일반적으로 카테고리형 피처와 텍스트형 피처를 의미하며, 여기서는 카테고리형 피쳐 인코딩에 대해 살펴본다.
• 카테고리형 피쳐 인코딩에는 대표적으로 레이블 인코딩과, 원-핫 인코딩이 있다. 

---

🧑‍💻 레이블 인코딩 유의점

• 몇몇 ML 알고리즘에서는 숫자 값의 크고 작음에 대한 특성이 작용하여, 예측 성능이 떨어질 수 있다.
• 따라서 선형 회귀와 같은 ML 알고리즘에는 적용하지 않아야 한다.
• 트리 계열의 ML 알고리즘은 숫자의 이러한 특성을 반영하지 않으므로 레이블 인코딩도 별 문제가 없다!

 

🚀 레이블 인코딩 예제

• 레이블 인코딩은 사이킷런의 LabelEncoder 클래스로 구현한다.
• LabelEncoder 객체 생성 ➡ fit() ➡ transfrom() 을 호출해 레이블 인코딩 수행
• 아래 예제를 살펴보자

from sklearn.preprocessing import LabelEncoder

items = ['냉장고', 'TV', '전자레인지', '선풍기', 'TV']

encoder = LabelEncoder()
encoder.fit(items)
labels = encoder.transform(items)
print('인코딩 변환값: ', labels)

인코딩 변환값:  [1 0 3 2 0]

 

🚀 인코딩 속성(classes) 확인

• 위 예제는 데이터가 작아서 간단히 어떤 문자열이 어떤 숫자 값으로 인코딩 됐는지 직관적으로 알기 어렵다.
• 이 경우, 다음과 같이 classes_ 속성값으로 확인한다.

print('인코딩 클래스: ', encoder.classes_)

인코딩 클래스:  ['TV' '냉장고' '선풍기' '전자레인지']

 

🚀 디코딩

• inverse_transform() 을 통해 인코딩된 값을 다시 디코딩 할 수 있다.
• 이때 inverse_transfrom() 속성 안에 인코딩된 값들을 넣어주어야 한다.

print('디코딩 원본값: ', encoder.inverse_transform([1, 0, 3, 2, 0]))

디코딩 원본값:  ['냉장고' 'TV' '전자레인지' '선풍기' 'TV']