섹션5 작업형2 모의문제2 질문 있습니다.
안녕하세요
섹션5 작업형2 모의문제2 에서 질문이 있습니다.
각 모델링을 통해서 r2 score 값을 구하는 부분에서
강의 답안에서는 XGBRegressor에서 설명력이 제일 높았어요
강의 중에 train_test_split 의 random_state = 2022로 했는데
이 값을 변경하니, XGBRegressor의 r2 score 값이 심하게 바뀝니다.
다른 회귀 모델들은 그렇지 않았는데, 유독 XGBRegressor에서만 변경이 심하더라고요
예를 들어서, random_state = 2023으로 하면 가장 낮은 r2 score가 나와서 결론이 완전 바뀝니다.
이 부분 설명 부탁드립니다.
그리고 추가 질문입니다.
이 부분에 RandomForestRegressor를 이용해서 모델링할 때
강의에서는 regressor = RandomForestRegressor() 라고 되어서 모델링이 제대로 되지 않았어요
그런데, model = RandomForestRegressor() 로 하면 1분 이상 실행이 되어 버립니다.
RandomForestRegressor를 이용한 모델링 방법 요청드립니다.
답변 부탁드려요~
답변 1
0
random_state로 인한 성능차이는 있을 수 있고요! 모델과 데이터에 따라 작은 변화에도 성능이 민감하게 변할수도 있습니다. 그래서 경진대회에서는 random_state또한 최적의 값을 찾기 위해 노력을 하는 모습도 봤고요! random_state인한 성능 변화는 시험에서는 컨트롤 하기는 어렵다고 생각해요. 한 가지 갑으로 고정해서 진행하면 될 것 같아요 🙂
실수가 있었네요. model변수고 변경했습니다. 변경 후 코랩에서 3번정도 전체 실행을 했는데 랜덤포레스트가 다른 모델에 비해 오래걸린 것은 맞으나 20~25초 안에 해결되었습니다. 다시 한번 확인 부탁드려요!
from sklearn.ensemble import RandomForestRegressor model = RandomForestRegressor() model.fit(X_tr,y_tr) pred=model.predict(X_val)
작업형2 모의문제1 (30강)
0
18
1
수강 기간 연장 문의 드립니다.
0
21
1
수강 계획과 관련해 문의 드립니다.
0
19
1
작업형1 - 연습문제 16~39 풀이는 몇강을 보면 되나요?
0
44
2
작업형 1 -연습문제 4-6
0
32
2
작업형 1 유형 부분
0
40
2
작업형 1 (삭제예정, 구 버전)
0
50
2
수강기간 연장 문의드립니다.
0
35
1
2유형 레이블 인코딩 VS 원핫 인코딩
0
36
3
수강기간 연장 문의드립니다.
0
38
1
인덱스 슬라이싱
0
35
2
질문 드립니다.
0
49
2
강의 내용 관련 질문드립니다~
0
46
2
수강 연장 문의
0
63
2
강의자료 일괄 다운로드
0
58
2
수강기간 연장 문의드립니다
0
47
2
list 문제 질문드립니다~
0
38
2
빅분기 실기 12회 재도전
0
62
2
강의 기간 연장 가능여부 검토 요청건
0
49
2
수강기간 연장 문의 드립니다
0
45
2
수강기간 연장 문의드립니다
0
52
2
질문이요
0
57
2
수강기간 연장 문의드립니다.
0
60
2
문제 3-2 질문드립니다
0
47
2