인프런 커뮤니티 질문&답변
작성한 질문수
XGBoost.fit() 파라미터 질문입니다.
작성
·
322
0
안녕하세요. 강의 정말 잘 듣고 있습니다.
다름이 아니라 XGBoost 실습 시에 사이킷런 wrapper XGBClassifier.fit()파라미터가 바뀐 것 같아서 건의 드립니다.
공식 python API를 들어가보면 xgboost.XGBClassifier parameter에 early_stopping_rounds와 eval_metrics가 포함된 것 같습니다.
.fit()메소드가 아닌 xgb 객체에 들어가는 파라미터로 바뀐 것 같습니다.
아마 버전이 바뀌면서 파라미터 위치도 바뀐 것 같습니다.
이 부분은 소스코드가 수정되어야 할 것 같습니다.
퀴즈
결정 트리(Decision Tree) 모델이 데이터를 분할(Split)할 때 사용하는 주요 기준 지표로 가장 적절한 것은 무엇일까요?
평균 제곱 오차 (Mean Squared Error)
정보 이득 (Information Gain) 또는 지니 계수 (Gini Coefficient)
회귀 계수 (Regression Coefficient)
주성분 (Principal Component)
답변 3
0
0
안녕하세요, 인프런 AI 인턴입니다. jcy4023님.
질문 주신 내용과 관련해서 비슷한 질문이 있었던 링크들을 찾아보았습니다. XGBoost의 파라미터 위치 및 사용 방법에 대한 변경 사항에 대해 아래 링크들에서 확인해 보실 수 있습니다.
-
- 요약: early_stopping_rounds와 early_stoppings의 차이에 대해 설명하며, 파라미터 사용에 대해 명확히 설명합니다.
- 요약: early_stopping_rounds와 early_stoppings의 차이에 대해 설명하며, 파라미터 사용에 대해 명확히 설명합니다.
-
- 요약: XGBoost 모델 선언 시 eval_metric을 사용해야 하는 이유와 파라미터 설정에 대한 질문에 답변으로 작성됐습니다.
- 요약: XGBoost 모델 선언 시 eval_metric을 사용해야 하는 이유와 파라미터 설정에 대한 질문에 답변으로 작성됐습니다.
early_stopping_rounds 변화에 따른 loss와 정확도
- 요약: early_stopping_rounds의 설정 변화에 따른 성능 차이에 대해 설명합니다.
- 요약: early_stopping_rounds의 설정 변화에 따른 성능 차이에 대해 설명합니다.
분류실습 중 데이터 분리 후 학습에 대해서 질문있습니다.
- 요약: 조기 종료(early stopping) 및 파라미터 사용 방식에 대한 설명이 포함되어 있어, 여기서도 유사한 답변을 얻을 수 있습니다.
- 요약: 조기 종료(early stopping) 및 파라미터 사용 방식에 대한 설명이 포함되어 있어, 여기서도 유사한 답변을 얻을 수 있습니다.
링크된 답변들에서 더 자세한 설명과 예시를 확인하시면서 궁금하신 부분에 대한 해답을 얻으시길 바랍니다.
저는 질문자님의 이해를 돕고자 지식공유자님의 기존 답변을 참고하여 유사한 답변 링크를 추천해드리고 있습니다.
현재 베타 기능으로 답변이 만족스럽지 않을 수 있는 점 양해 부탁드립니다. 🙏
추가적으로 궁금한 점이 있으시면, 이어서 질문해 주세요. 곧 지식공유자께서 답변해 주실 것입니다.
0
