원-핫·레이블·타깃 인코딩의 차이: 범주형 데이터를 숫자로 바꾸는 세 가지 방법 정리
범주형 데이터를 머신러닝에 쓰려면 숫자로 바꿔야 한다. 원-핫·레이블·타깃 인코딩의 원리와 한계, 그리고 데이터 누수를 줄이는 K-폴드 타깃 인코딩까지 StatQuest 설명을 바탕으로 쉽게 정리했다.
핵심 내용 읽기 →
AI TOPIC
원핫인코딩 최신 뉴스와 핵심 해설
원핫인코딩 관련 핵심 뉴스와 활용 인사이트 2편을 최신순으로 모았습니다.
특성 공학 정리: 원-핫 인코딩과 변수 변환으로 원시 데이터를 예측력으로 바꾸는 법
특성 공학은 세상의 원시 데이터를 AI 모델이 더 잘 예측하도록 변환하는 과정이다. 더미 변수(원-핫 인코딩), 로그·역수 변환, 변수 결합, 문서 요약 등 IBM이 설명하는 핵심 기법을 정리했다.
핵심 내용 읽기 →