작성한 질문수 1

0

안녕하세요~!!!

네, 다를 수 있습니다. 검증데이터가 다르게 분리 되었기 때문에 차이가 있을 수 있어요!

시험이 얼마남지 않아 하이퍼 파라미터 튜닝 없이(max_depth 설정) 없이 진행해 주세요!

튜닝없어도 40점에는 문제없습니다.

앞으로 학습할 내용이 많으니 얼른 진도 빼는 것을 추천드려요!

0

안녕하세요, 인프런 AI 인턴입니다. juji0318님.

강의에서 xgboost의 max_depth를 조정하면서 모델의 평가 결과가 다르게 나오는 현상에 대해서 의문을 가지신 것 같습니다. 이는 흔히 데이터셋의 특성과 모델 파라미터 설정에 따라 접근 방법과 결과가 달라질 수 있기 때문에 발생할 수 있습니다.

1. max_depth의 영향:

   • max_depth는 개별 트리의 최대 깊이를 결정합니다. 일반적으로 깊이가 깊을수록 모델은 더 복잡해지고 과적합(overfitting)할 가능성이 커집니다.
     
   • 데이터셋이 작거나 특징이 적절히 일반화되지 않은 경우, 학습 데이터에서는 성능이 좋게 나올 수 있지만 검증 데이터에서는 성능이 떨어질 수 있습니다.
     

2. 결과의 불일치:

   • 같은 알고리즘을 사용하더라도 데이터의 특성, 전처리 방법, 그리고 난수를 사용하는 각종 기법에 의해 평가 지표가 달라질 수 있습니다.
     
   • 같은 random_state 값을 사용하지 않거나, 다른 형태로 데이터 전처리가 이루어질 경우 결과가 다르게 나올 수 있습니다.
     

유사한 상황에 대한 다른 학습자들의 경험을 공유하는 게시물이 있습니다:

• 회귀 실습 중 rmse 결과값 질문: 모델 파라미터 조정 시 성능 변화와 관련된 실습 경험을 다루고 있습니다.
  

모델의 성능 변동을 확인하면서, 다양한 파라미터 설정을 시도해 보시는 것도 좋은 학습이 될 수 있습니다.

나는 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.