레이블 인코딩은 범주형 데이터를 전처리하는 데 사용되는 기술입니다. 이는 숫자 입력에만 작동하는 알고리즘에서 사용할 수 있도록 숫자가 아닌 값을 인코딩하기 위해 기계 학습 파이프라인에서 일반적으로 사용됩니다. 레이블 인코딩은 레이블의 알파벳 순서에 따라 범주형 입력을 숫자 레이블로 변환합니다.
레이블 인코딩은 범주형 데이터가 있는 데이터 세트 열에 적용할 수 있는 간단하고 직관적인 데이터 전처리 전략입니다. 이 기술은 각 입력 범주에 고유한 숫자 식별자(또는 레이블)를 할당합니다. 예를 들어 COLORS 열 값이 'red', 'green', 'blue'인 데이터세트에서 라벨 인코더는 각각 라벨 0, 1, 2를 할당합니다.
라벨 인코딩에는 두 가지 주요 장점이 있습니다. 첫째, 숫자 레이블이 데이터 세트에 사용된 범주 값을 반영하기 때문에 다른 데이터 전처리 기술보다 더 직관적입니다. 둘째, 레이블 인코딩은 입력의 크기를 보존합니다. 즉, 사전순으로 밀접하게 함께 나타나는 두 개의 레이블에는 약간씩 다른 숫자 레이블이 할당되며, 이는 알고리즘으로 데이터를 모델링할 때 유용할 수 있습니다.
반대로, 레이블 인코딩에는 몇 가지 주요 단점도 있습니다. 첫째, 범주형 입력에 숫자 레이블을 할당하면 매핑이 항상 직관적이지 않으며 데이터를 모델링하는 알고리즘에 편향이 발생할 수 있습니다. 둘째, 레이블이 지정된 인코딩 데이터는 회귀 기반 알고리즘(예: 선형 또는 로지스틱 회귀)에 사용할 수 없습니다. 숫자 레이블은 어떤 의미도 전달하지 않으므로 알고리즘은 레이블의 크기를 기반으로 예측을 할 수 없습니다.
레이블 인코딩은 추가 처리를 위해 범주형 입력을 준비하는 데 유용한 데이터 전처리 기술입니다. 그러나 숫자 레이블을 범주형 값으로 매핑할 때 데이터를 맞추는 데 사용되는 모델이 의도치 않게 편향되지 않도록 주의해야 합니다.
