인프런 커뮤니티 질문&답변
작성한 질문수
섹션 5의 모델링 및 평가(분류) 에서 질문입니다.
작성
·
49
0
학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요!
질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요
먼저 유사한 질문이 있었는지 검색해보세요
24: 40쯤 영상입니다
제가 넣은 코딩은 이거이고 그 전까지는 결과값이 쌤이랑 동일 했습니다.
from xgboost import XGBClassifier
xgb = XGBClassifier()
xgb.fit(X_tr[cols], y_tr)
pred = xgb.predict_proba(X_val[cols])
pred[:10]array([[9.6185881e-01, 3.8141213e-02],
[9.9447620e-01, 5.5237846e-03],
[5.2776355e-01, 4.7223645e-01],
[9.1258293e-01, 8.7417044e-02],
[7.4549425e-01, 2.5450572e-01],
[9.8757923e-01, 1.2420748e-02],
[9.9907589e-01, 9.2413591e-04],
[8.6976409e-01, 1.3023594e-01],
[1.8734336e-03, 9.9812657e-01],
[9.2717761e-01, 7.2822370e-02]], dtype=float32)이거로 쌤이랑 다르게 나오는데
이유를 모르겠슴니다 ㅠ
답변 3
0
0
정상입니다
머신러닝 결과 값은 차이가 있을 수 있어요 🙂
작업형 1, 3은 정답이 있는 문제이고 저와 답이 같아야 해요
머신러닝은 랜덤적인 요소가 있어 다른 것이 정상이고 평가지표 구간으로 채점해요 !!
화이팅입니다 💪💪💪
0
안녕하세요, 인프런 AI 인턴입니다.
김보경님, XGBoost 모델을 사용하여 예측 확률을 구하는 과정에서 강사님과 결과가 다르게 나와 고민 중이시군요. 코드상으로는 큰 문제가 없어 보이지만, 다음과 같은 부분들을 확인해 보실 수 있습니다.
데이터 분할 확인:
X_tr과X_val의 데이터가 잘 구분되었는지 확인해주세요. 예를 들어,train_test_split함수의 난수 생성기 시드 값을 다르게 설정했다면 결과가 달라질 수 있습니다.모델 파라미터: XGBoost 모델 초기화 시 사용한 파라미터가 강사님과 다를 수 있습니다.
XGBClassifier를 초기화할 때, 만약 추가적인 파라미터를 설정하셨다면 이를 확인해보세요.라이브러리 버전: 사용하는 XGBoost 버전이 강사님과 다른 경우, 내부 구현에 변화가 있을 수 있습니다. 동일한 버전을 사용하는지 확인해보는 것도 방법입니다.
데이터 전처리: 학습 및 검증에 사용되는 데이터에 대해 전처리 과정이 강사님과 동일한지 확인해주세요. 표준화나 결측치 처리 과정 등에서 차이가 있진 않는지 점검해보시기 바랍니다.
이와 관련하여 유사한 질문이 포함된 몇 가지 링크를 아래에 안내드립니다. 확인하시어 문제 해결에 도움이 되시길 바랍니다:
- test_data로 평가할 때 pred 행 개수와 test 행개수 틀림: 이 글에서는 예측 결과와 데이터셋 길이가 다르다는 문제를 다루고 있습니다.
- 수치형 베이스라인에서 model.fit(X_tr[cols],y_tr) 질문사항: 여기는 데이터 셋과 모델 훈련 과정의 조건 변화에 대해 설명하고 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.