fastai와 파이토치가 만나 꽃피운 딥러닝

359

9



테이블 데이터 모델링 깊게 알아보기

테이블 데이터 모델링은

CSV

나 스프레드시트와 같은 테이블 형식의 데이터를 다룹니다. 이렇

게 만든 모델의 목적은 여러 열의 값으로 특정 한 열의 값을 예측하는 것입니다.

9

장은 딥러닝

과 더불어 랜덤 포레스트

random

forest

같은 더 일반적인 머신러닝 기법도 함께 다룹니다. 딥러닝

이 만능인 듯하지만, 상황에 따라서는 전통적인 머신러닝 기법이 더 나은 결과를 보이기도 하

기 때문이죠.

그 과정에서 데이터 정리 및 전처리 방식과 모델의 학습 결과를 해석하는 방법도 같이 다룹니

다. 하지만 우선은 임베딩을 사용해 수치형 데이터만 수용하는 모델에 범주형 값을 주입하는

방식부터 살펴봅니다.

9.1



테이블 데이터에는 ‘나이’ 같은 수치형 데이터와 ‘성별’처럼 문자열 값을 포함하는 열들이 있습

니다. 수치형 데이터는 모델에 직접 주입될 수 있지만 (일부 선택적인 전처리 과정이 있을 수

있음 ), 그 외의 데이터는 숫자 형태로 변환되어야만 하죠. 이렇게 변환이 필요한 값들은 각기

다른 범주를 따르므로, 이런 변수를 흔히 범주형 변수

categorical

variable

라고 합니다. 그리고 태생

이 수치형이라 변환이 필요 없는 데이터를 연속형 변수

continuous

variable

라고 합니다.

 ...