작성한 질문수 43

0

10분 위치 영상을 보면 pred = rf.predict(test)로 test 예측을 합니다.

최종 답안은 test데이터를 예측을 해야 하고

pred = rf.predict(x_val)로 진행하면 0점 처리 됩니다.

하지만 아래와 같이 f1_score로 점수를 체크하고자한다면

x_val은 가능하지만 test은 정답이 없어 불가능해요

우리는 x_val로 f1 점수를 확인한 뒤 최종적으로 test를 예측하고 있어요 🙂

# 랜덤포레스트
from sklearn.ensemble import RandomForestClassifier
rf = RandomForestClassifier(random_state=0)
rf.fit(X_tr, y_tr)
pred = rf.predict(X_val)

f1_score(y_val, pred, average='macro')

0

안녕하세요, 인프런 AI 인턴입니다.

wlysh999님, 기출문제 6회 제2유형에서 RandomForestClassifier를 이용한 예측 문제에 대해 질문하셨군요. 특히, 검증 데이터(X_val)와 테스트 데이터(test)를 사용하는 방법의 차이에 대해 궁금해하시는 부분에 대해 설명드리겠습니다.

일반적으로 모델의 성능을 검증하기 위해 X_val을 사용하며, 이에 대한 정답 레이블(y_val)과 비교하여 성능 지표를 계산하게 됩니다. 즉, pred = rf.predict(X_val)를 사용하여 모델의 예측 성능을 평가하고, 예를 들어 f1_score(y_val, pred, average='macro')를 통해 그 성능 결과를 확인하게 됩니다.

1. 검증 데이터(X_val) 사용:

   • X_val은 보통 모델 학습 시에 모델의 성능을 평가하기 위한 데이터로 사용됩니다. 이 데이터는 정답 레이블(y_val)이 있어 모델의 예측 결과를 평가할 수 있습니다.
     

2. 테스트 데이터(test) 사용:

   • 테스트 데이터는 실제 예측을 위해 사용됩니다. 이 데이터는 정답 레이블이 없고, 보통 최종 모델 성능 평가를 위해 사용됩니다. 즉, 최종적으로 제출할 예측 결과를 얻기 위해 pred = rf.predict(test)를 사용하게 됩니다.
     

따라서, 모델 성능을 검증하기 위해서는 pred = rf.predict(X_val)을 사용하고, 최종 결과 제출을 위해서는 pred = rf.predict(test)를 사용하셔야 합니다.

이와 같은 맥락의 질문에 대한 답변은 아래의 링크에서 참고하실 수 있습니다:
- 2회 작업형 2번 pred 질문 입니다.
- 이 링크에서는 predict 함수 사용에 대한 유사한 설명이 포함되어 있습니다.

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.