범주를 번호로 바꾸기
크기 범주 작음·보통·큼을 이 순서로 정하면 각각 0,1,2로 나타낼 수 있다. 두 특징을 인코딩하면 각 특징의 코드가 나란히 놓인다. 원핫 인코딩처럼 범주마다 새 표시 열을 만드는 방식과는 다르다.
순서와 간격의 차이
작음보다 보통이 크고 보통보다 큼이 크더라도 차이가 똑같다고 보장되지는 않는다. 선형 모델에 코드 x를 넣어 y=a+bx로 계산하면 0에서 1, 1에서 2로 갈 때 같은 b만큼 변한다. 이런 제약이 자료에 맞는지 확인해야 한다.
순서 없는 범주
사과·배·귤에 0,1,2를 붙였다고 귤이 사과의 두 배라는 의미가 생기지는 않는다. 하지만 수치 거리나 임계값으로 처리하는 모델은 그 배치를 이용할 수 있다. 범주 이름을 정렬한 순서가 실제 의미의 순서인지도 별도 문제다.
새 범주와 결측값
학습 때 없던 범주는 오류로 처리하거나 기존 코드와 다른 특별값을 지정할 수 있다. 결측값과 새 범주를 같은 값으로 만들지 구분할지도 정해야 한다. 학습과 추론에서 범주 대응을 유지하고, 비교할 표현 방식은 검증 자료로 평가해야 한다.