9148c358d0
Topic_Agent/Topic_Blog/Topics/Topics_Biz/Topics_Meeting/Topics_Rag의 마크다운 지식 문서를 Topic_General/Topic_Programming/Topic_Graphic/Topic_Business 4개 카테고리로 재분류. - 중복 제거: frontmatter의 status:duplicate/merged + duplicate_of/redirect_to 필드로 자기 자신을 중복으로 선언한 리다이렉트 stub 1032개 제거, 완전 동일 내용 파일 472개 제거, 동일 파일명·다른 내용 충돌 시 더 큰(완전한) 버전만 유지(162개 제거) — 총 1639개 중복 제거. - 분류: 폴더 단위로 명확한 항목(AI_and_ML/Coding/Architecture 등 → Programming, Comfyui/Visual_Effects → Graphic, Topics_Biz/Topics_Meeting/사업 등 → Business, Poetic_Blog_Writing/창의성/Game_Design 등 → General)은 폴더 우선순위로, 나머지 혼재 폴더(Topic_Agent/Topic_Blog/Topics 루트/Thinking & Reasoning/Other/UI_UX_Assets)는 title/tags 키워드 스코어링으로 파일 단위 분류(불명확한 경우 General로 폴백). 원본 폴더명은 "From_*" 서브폴더로 보존해 추적 가능성 유지. - 최종 배치: Programming 2784 / General 1608 / Graphic 285 / Business 249 = 4926개 문서. - 에이전트 운영 상태(.astra/.agent/.obsidian/sessions/memory/_company/docs/lessons/_shared/src)는 지식 콘텐츠가 아니므로 재분류 대상에서 제외하고 원위치 유지. - Topics/Topic_email(상위 보호 폴더 Topic_email과 파일명 100% 중복) 삭제 — 보호 폴더 자체는 미변경. - 완전히 비게 된 Topic_Agent/Topic_Blog/Topics_Biz/Topics_Rag 폴더 제거.
5.2 KiB
5.2 KiB
id, title, category, status, canonical_id, aliases, duplicate_of, source_trust_level, confidence_score, verification_status, tags, raw_sources, last_reinforced, github_commit, tech_stack
| id | title | category | status | canonical_id | aliases | duplicate_of | source_trust_level | confidence_score | verification_status | tags | raw_sources | last_reinforced | github_commit | tech_stack | |||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| wiki-2026-0508-one-hot-encoding | One-Hot Encoding | 10_Wiki/Topics | verified | self |
|
none | A | 0.95 | applied |
|
2026-05-10 | pending |
|
One-Hot Encoding
매 한 줄
"매 categorical value → orthogonal binary vector". One-hot encoding 은 K 개 category 를 K 개 0/1 column 으로 펼치는 매 가장 단순한 categorical → numeric 변환. 매 linear model / tree-based model 의 default, 그러나 high-cardinality 에서는 target / hash encoding 으로 교체.
매 핵심
매 정의
- category set
{A, B, C}→ vectors(1,0,0), (0,1,0), (0,0,1). - ordinal encoding (0,1,2) 와 달리 순서 가정 없음.
- linear / kernel model 의 가정 (numeric distance) 을 깨지 않음.
매 dummy variable trap
- K columns → 1 redundant (sum=1 의 collinearity).
- linear regression 의 unregularized 경우 → drop_first=True.
- tree / regularized model (Lasso, Ridge) → 매 전체 K 유지 가능.
매 cardinality 의 문제
- high-cardinality (>50): sparse matrix 폭발, leak 위험.
- 대안: target / mean encoding, hashing trick, embedding.
매 응용
- tabular ML 의 categorical preprocessing.
- NLP token → vocab vector (sparse).
- RL action / state space 의 discrete encoding.
💻 패턴
sklearn OneHotEncoder
from sklearn.preprocessing import OneHotEncoder
import numpy as np
X = np.array([["red"], ["blue"], ["green"], ["red"]])
enc = OneHotEncoder(sparse_output=False, handle_unknown="ignore")
enc.fit(X)
print(enc.transform([["red"], ["yellow"]]))
# [[0. 0. 1.]
# [0. 0. 0.]] <- unknown -> all zeros
print(enc.get_feature_names_out()) # ['x0_blue' 'x0_green' 'x0_red']
pandas get_dummies
import pandas as pd
df = pd.DataFrame({"color": ["red", "blue", "green", "red"]})
ohe = pd.get_dummies(df, columns=["color"], drop_first=True, dtype=int)
# color_green color_red
# 0 0 1
# 1 0 0
# 2 1 0
# 3 0 1
ColumnTransformer (production pipeline)
from sklearn.compose import ColumnTransformer
from sklearn.preprocessing import OneHotEncoder, StandardScaler
from sklearn.pipeline import Pipeline
from sklearn.linear_model import LogisticRegression
pre = ColumnTransformer([
("num", StandardScaler(), ["age", "income"]),
("cat", OneHotEncoder(handle_unknown="ignore"), ["city", "plan"]),
])
pipe = Pipeline([("pre", pre), ("clf", LogisticRegression(max_iter=1000))])
pipe.fit(X_train, y_train)
Sparse matrix 의 high-cardinality
enc = OneHotEncoder(sparse_output=True, handle_unknown="ignore")
X_sparse = enc.fit_transform(df[["zip_code"]]) # 40k columns sparse
# scipy.sparse.csr_matrix — memory-efficient
vs label encoding (decision)
from sklearn.preprocessing import LabelEncoder, OrdinalEncoder
# DON'T: feed LabelEncoder output to linear model
le = LabelEncoder()
y = le.fit_transform(["red", "blue", "green"]) # [2, 0, 1] — fake order!
# DO: OrdinalEncoder when order is real
oe = OrdinalEncoder(categories=[["low", "med", "high"]])
Frequency / target encoding (high-cardinality 대안)
import category_encoders as ce
te = ce.TargetEncoder(cols=["city"], smoothing=10)
X_tr = te.fit_transform(X_train, y_train)
X_te = te.transform(X_test)
Hashing trick (constant memory)
from sklearn.feature_extraction import FeatureHasher
h = FeatureHasher(n_features=256, input_type="string")
X_h = h.transform([["zip=" + z] for z in df["zip_code"]])
매 결정 기준
| cardinality | model | encoding |
|---|---|---|
| <10 | any | one-hot |
| 10–50 | linear / NN | one-hot or embedding |
| 50–1000 | tree | target / frequency |
| >1000 | any | hashing / embedding |
| 매 ordinal | any | OrdinalEncoder |
기본값: OneHotEncoder(handle_unknown="ignore") in ColumnTransformer.
🔗 Graph
- 부모: Feature Engineering
- 변형: Target-Encoding
- 응용: Logistic-Regression-Foundations
- Adjacent: Sparse-Matrix · Curse-of-Dimensionality
🤖 LLM 활용
언제: 매 quick prototype, low-cardinality categorical, linear / tree baseline. 언제 X: 매 high-cardinality (>1000), text tokens (use embedding), online learning with new categories.
❌ 안티패턴
- Train-only fit: test set 의 unseen category 에 crash →
handle_unknown="ignore". - Drop-first with regularized model: 불필요한 정보 손실.
- OHE on high-cardinality without sparse: memory blowup.
- LabelEncoder for features: fake ordinal 강제, linear model 망가짐.
- Leak via target encoding without fold: target encoding 사용 시 K-fold 필수.
🧪 검증 / 중복
- Verified (sklearn 1.4 docs, pandas 2.2 docs).
- 신뢰도 A.
🕓 Changelog
| 날짜 | 변경 |
|---|---|
| 2026-05-08 | Phase 1 |
| 2026-05-10 | Manual cleanup — sklearn/pandas patterns + cardinality decision matrix |