머신러닝에서 인코딩 방법

머신러닝 모델은 문자 데이터를 인식하지 못합니다.

그렇기 때문에 문자로 구성된 데이터를 숫자형태로 바꿔줘야하는데 이를 인코딩이라고 합니다.

 

인코딩은 아래와 같이 두 종류가 있습니다.

1. Label Encoding (레이블 인코딩) : 원본 데이터의 값에 사전순으로 번호를 매깁니다.

2. One-Hot Encoding (원-핫 인코딩) : 여러 값 중에 하나(one)만 활성화(hot)하는 방법입니다.

 

위 두 방식을 python 코드로 구현해보겠습니다.

 

1. Label Encoding 

from sklearn.preprocessing import LabelEncoder

fruits = ['apple', 'orange', 'banana', 'pear', 'apple', 'banana', 'orange', 'apple', 'pear', 'banana']

label_encoder = LabelEncoder()
furits_encoded = label_encoder.fit_transform(fruits)

furits_encoded

 

 

2. One-Hot Encoding

from sklearn.preprocessing import LabelEncoder, OneHotEncoder

fruits = ['apple', 'orange', 'banana', 'pear', 'apple', 'banana', 'orange', 'apple', 'pear', 'banana']

label_encoder = LabelEncoder()
onehot_encoder = OneHotEncoder()

fruits_label_encoded = label_encoder.fit_transform(fruits)
fruits_onehot_encoded = onehot_encoder.fit_transform(fruits_label_encoded.reshape(-1, 1))

print('원-핫 인코딩 결과 데이터 : \n', fruits_onehot_encoded.toarray())

 

[참고]

one-hot 인코딩은 아래와 같이 더 간단하게 구현할 수도 있습니다.

import pandas as pd

fruits = ['apple', 'orange', 'banana', 'pear', 'apple', 'banana', 'orange', 'apple', 'pear', 'banana']
pd.get_dummies(fruits)