[ 머신러닝 - 머신러닝에서 다차원 배열을 1차원 배열로 바꾸는 이유 ]

 

---

머신러닝에서 다차원 배열을 1차원 배열로 바꾸는 이유

머신러닝 모델을 구현하는 과정에서 타겟 레이블(y) 데이터를 다차원 배열에서 1차원 배열로 변환하는 코드는 자주 사용된다.

예시:

train_y = np.ravel(train_y)

또는

train_y = train_y.reshape(-1,)

해당 변환을 수행하는 이유는 다음과 같다.

---

1. Scikit-learn은 타겟 벡터를 1차원으로 요구함

Scikit-learn의 대부분의 지도 학습 모델은 타겟 값(y)이 다음 형태이길 기대한다.

• 권장 형태: (n_samples,) → 1차원
• 잘못된 형태: (n_samples, 1) → 2차원

예를 들어, 다음과 같은 경우 오류가 발생할 수 있다:

from sklearn.ensemble import RandomForestRegressor

# 잘못된 형태
y = np.array([[1], [0], [1], [0]])  # shape: (4, 1)
model = RandomForestRegressor()
model.fit(X, y)  # ValueError 발생 가능

따라서, y를 np.ravel() 또는 .reshape(-1,)로 1차원으로 변환해야 한다.

---

2. 모델 내부 연산은 벡터 연산 기반

머신러닝 모델은 내부적으로 벡터 연산을 수행하며, 타겟값을 벡터로 간주한다. 2차원 형태의 타겟은 이 연산을 방해하므로, 1차원으로 변환하여 처리해야 한다.

---

3. 불필요한 차원의 제거

데이터프레임에서 특정 컬럼을 슬라이싱할 때, 종종 불필요한 차원이 포함될 수 있다.

예시:

y = df[['target']]         # shape: (n, 1)
y = df['target']           # shape: (n,)

또는,

y = df.iloc[:, [0]]        # shape: (n, 1)
y = df.iloc[:, 0]          # shape: (n,)

위와 같이, 열 하나만 선택했더라도 결과가 2차원이 될 수 있으며, 이 경우에도 평탄화 작업이 필요하다.

---

4. 변환 방법 비교

방법 설명

np.ravel()	복사 없이 1차원으로 변환
.reshape(-1,)	원하는 모양으로 변환 (복사 가능성 있음)
.flatten()	복사하여 1차원으로 변환

대부분의 경우 np.ravel()을 사용하는 것이 빠르고 안전하다.

---

결론

머신러닝 모델은 타겟 레이블이 1차원 배열 형태일 것을 요구한다. 따라서, 2차원 배열로 존재하는 경우에는 np.ravel() 또는 .reshape(-1,) 등을 사용하여 1차원으로 변환해야 한다. 이는 오류를 방지하고 모델 학습 및 예측을 정상적으로 수행하기 위한 필수 전처리 작업이다.

---