Machine Learning 실습 (11)

4.6.8  불필요한 컬럼 삭제

train.columns
# 'Name', 'Ticket' 삭제

 

# del
# drop, inplace = True 실제 데이터 변수에 반영(초기화)
train.drop(['Name','Ticket'],axis=1, inplace = True)

train.info()

 

test.drop(['Name','Ticket'],axis=1, inplace = True)
test.info()

4.7 문제, 답으로 분리

train.head()

.

X_train = train.drop('Survived', axis = 1) # 훈련용 문제 -> fit 데이터에 맞춰서 학습할때 사용
y_train = train['Survived'] # 훈련용 답 -> fit 데이터에 맞춰서 학습할때 사용
X_test = test # 테스트용 문제 -> predict 예측할때 사용

print('훈련용 문제 : ', X_train.shape)
print('훈련용 답 : ', y_train.shape)
print('테스트용 문제 : ', X_test.shape)

 

4.7.1 특성 값 수치화: 인코딩

- 값이 크고 작음의 의미가 없을때 사용하는 인코딩 : 원핫인코딩(One-Hot-Encoding)

X_train.head()

 

# 범주형 데이터 선택하여 인코딩 적용
cat_feature = ['Sex','Embarked','Cabin','Family_Size','Title']
# pd.get_dummies(train['Sex'], prefix = 'Sex') # 원핫인코딩해주는 함수
for cat_name in cat_feature :
    dummy = pd.get_dummies(train[cat_name], prefix = cat_name)
    # 기존 X_train에 병합
    X_train = pd.concat([X_train,dummy], axis = 1)
    #  기존의 컬럼은 삭제
    X_train.drop(cat_name, axis = 1, inplace = True)

X_train.info()