fit할때 X_tr,Y_tr 이 아닌 train으로 할경우 문제
일단 실기가 명확한 풀이과정이 없기는 하기는 하나저는 X_tr, y_tr로 accuracy_score, precision_score, recall_score, f1_score, roc_auc_score 비교한 뒤에점수가 높은것을 바탕으로 다시 train을 fit시키는게 일반적으로 더 나은 전략이 아닌가싶은데(양이 더많으니까)혹시 이게 크게 리스크가 있다거나 혹은 의미가 없다고 볼수있을까요? 강의에서는 X_tr, y_tr로만 하고 끝내길래 궁금해서 여쭤봅니다.
답변 1
0
평가지표
서로 다른 머신러닝 모델은 비교하는 것은 좋으나 평가지표간에 비교는 할 필요 없습니다.
문제에서 평가지표는 1개로 지정해요.
train 전체를 fit
네 이 전략도 좋습니다. 방법중 하나 입니다. 말씀한대로 데이터 전체를 사용할 수 있어요! 알려드리지 않은 이유는 혼란스러워 할 것 같아서 제외했어요.
(다만 실제로 적용해보면 항상 성능이 좋아지진 않아요! )
더불어 좀 더 명확하게 진행하려면
홀드아웃(train, val 나누는 방식)이 아닌 k-fold 방식으로 크로스 밸리데이션으로 체크후에
train 전체를 fit하는 것이 더 좋습니다. (심화학습)
질문 드립니다.
0
38
2
강의 내용 관련 질문드립니다~
0
34
2
수강 연장 문의
0
32
1
강의자료 일괄 다운로드
0
41
2
수강기간 연장 문의드립니다
0
28
1
list 문제 질문드립니다~
0
29
2
빅분기 실기 12회 재도전
0
39
1
강의 기간 연장 가능여부 검토 요청건
0
30
1
수강기간 연장 문의 드립니다
0
36
2
수강기간 연장 문의드립니다
0
47
2
질문이요
0
51
2
수강기간 연장 문의드립니다.
0
50
2
문제 3-2 질문드립니다
0
44
2
수강기간 연장 문의 드립니다.
0
58
2
변수, 칼럼 , df 구분
0
49
2
수강기간 연장 문의드립니다.
0
49
2
수강기간 연장 문의
0
48
2
수강기간 연장 문의드립니다.
0
41
2
수강기한 연장 문의
0
79
2
수강기간 연장 문의드립니다
0
57
2
결정트리에서 적절한 깊이 선택 후 시각화 과정에서 학습 데이터만 사용하는 이유
0
44
2
수강기간 연장 문의드립니다.
0
71
2
수강연장 문의
0
77
2
수강연장문의
0
53
2