# Label Encoding

## 개요

**Label Encoding라벨 인코딩)은주형 데이터(c data)를 머신러닝 모델이 처리할 수 있도록 정수형 숫자로 변환하는 기법 중 하나입니다. 머러닝 알고리즘 일반적으로 텍스트 형태의 범주형 변수를 직접 처리할 수 없으므로 이러한 변수를 수치형으로 변환하는처리 과정이 필수적입니다. Label Encoding은 각 범주(category)에 고유한 정수 값을 할당함으로써 이 문제를 해결합니다.

예를 들어, 색상 데이터가 `["빨강", "파랑", "초록"]`일 경우, Label Encoding을 통해 각각 `0`, `1`, `2`와 같이 정수로 매핑할 수 있습니다. 이 방법은 간단하고 직관적이지만, 범주 간에 임의의 순서를 부여할 수 있기 때문에 주의가 필요합니다.

---

## Label Encoding의 원리

### 기본 개념

Label Encoding은 범주형 변수의 각 고유 값을 정수(보통 0부터 시작)로 일대일 대응시킵니다. 변환 후의 데이터는 여전히 범주형이지만, 숫자 형태로 표현되어 모델 입력에 적합해집니다.

예시:
| 색상     | Label Encoded |
|----------|----------------|
| 빨강     | 0              |
| 파랑     | 1              |
| 초록     | 2              |

### 사용 시기

Label Encoding은 다음과 같은 상황에서 유용합니다:

- **순서형 범주**(ordinal categorical data)에 적합합니다. 예: `["낮음", "중간", "높음"]` → `0, 1, 2`. 이 경우 숫자의 크기 순서가 의미를 가지므로 Label Encoding이 자연스럽습니다.
- 모델이 범주 간의 순서를 고려하지 않아도 되는 경우, 또는 알고리즘이 순서를 인식하지 않는 경우에 사용할 수 있습니다.

---

## Label Encoding의 장단점

### 장점

- **간단하고 직관적**: 구현이 매우 쉬우며, 데이터의 차원을 늘리지 않습니다.
- **메모리 효율성**: One-Hot Encoding과 달리, 새로운 열(column)을 생성하지 않기 때문에 데이터 크기가 작아집니다.
- **고유값이 많은 경우 유리**: 범주의 수가 매우 많을 경우(예: 100개 이상), One-Hot Encoding은 차원 폭발을 유발할 수 있으므로 Label Encoding이 더 효율적입니다.

### 단점

- **의도하지 않은 순서 정보 유입**: Label Encoding은 정수를 할당하면서 임의의 순서를 부여합니다. 예를 들어, `["사과", "바나나", "오렌지"]`에 `0, 1, 2`를 할당하면, 모델이 "오렌지 > 바나나 > 사과"라는 순서를 오해할 수 있습니다.
- **비모델 기반 알고리즘에 부적합**: 대부분의 머신러닝 알고리즘(특히 선형 회귀, 로지스틱 회귀 등)은 숫자의 크기를 거리 또는 순서로 해석하기 때문에, 명목형 범주(nominal categorical data)에 Label Encoding을 적용하면 성능 저하를 초래할 수 있습니다.

---

## Label Encoding과 One-Hot Encoding 비교

| 특성                     | Label Encoding              | One-Hot Encoding                   |
|--------------------------|-----------------------------|------------------------------------|
| 차원 증가                | 없음                        | 있음 (범주 수만큼 열 추가)         |
| 순서 정보 생성 여부      | 있음 (문제가 될 수 있음)    | 없음                               |
| 메모리 사용량            | 낮음                        | 높음 (고유값 많을수록 급증)        |
| 적합한 데이터 유형       | 순서형 범주                 | 명목형 범주                         |
| 모델 해석의 왜곡 가능성  | 높음                        | 낮음                                |

> 🔔 **Tip**: 명목형 범주(예: 국가, 성별, 도시명)에는 One-Hot Encoding 또는 **Target Encoding**, **Embedding** 등이 더 적합합니다.

---

## Python에서의 구현 예시

Scikit-learn의 `LabelEncoder`를 사용하면 쉽게 Label Encoding을 수행할 수 있습니다.

```python
from sklearn.preprocessing import LabelEncoder
import pandas as pd

# 샘플 데이터
data = pd.DataFrame({
    '색상': ['빨강', '파랑', '초록', '파랑', '빨강']
})

# Label Encoder 객체 생성 및 적용
le = LabelEncoder()
data['색상_encoded'] = le.fit_transform(data['색상'])

print(data)
```

**출력 결과**:
```
   색상  색상_encoded
0   빨강             1
1   파랑             0
2   초록             2
3   파랑             0
4   빨강             1
```

> ⚠️ **주의**: `LabelEncoder`는 학습 데이터에만 `.fit_transform()`을 적용하고, 테스트 데이터에는 `.transform()`만 사용해야 합니다. 잘못된 적용은 데이터 누수(data leakage)를 유발할 수 있습니다.

---

## 고급 활용 및 대안

### 1. 순서형 데이터에 Label Encoding 사용
순서가 중요한 경우, 사용자가 직접 매핑을 정의할 수 있습니다.

```python
mapping = {"낮음": 0, "중간": 1, "높음": 2}
data['등급_encoded'] = data['등급'].map(mapping)
```

### 2. 대안 기법
- **One-Hot Encoding**: `pd.get_dummies()` 또는 `sklearn.preprocessing.OneHotEncoder`
- **Target Encoding**: 범주별 타겟 평균값으로 인코딩 (회귀/분류 문제에 유용)
- **Embedding**: 딥러닝에서 범주형 변수를 고차원 벡터로 변환

---

## 참고 자료 및 관련 문서

- [Scikit-learn LabelEncoder 문서](https://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.LabelEncoder.html)
- [Pandas get_dummies](https://pandas.pydata.org/docs/reference/api/pandas.get_dummies.html)
- 데이터 전처리 가이드: "Feature Engineering for Machine Learning", O'Reilly

---

Label Encoding은 범주형 데이터 전처리의 기본 도구이지만, 데이터의 성격과 사용하는 모델에 따라 적절한 인코딩 방식을 선택하는 것이 중요합니다. 특히 명목형 데이터에는 주의를 기울여야 하며, 필요시 더 정교한 인코딩 기법을 고려해야 합니다.