검증데이터 분할
85
작성한 질문수 34
검증데이터 분할을 할 때 왜 gender를 drop하나요?
from sklearn.model_selection import train_test_split
X_train,X_val,y_train,y_val =train_test_split(train.drop('gender',axis=1),train['gender'],test_size=0.2,random_state=0)
print(X_train.shape,X_val.shape,y_train.shape,y_val.shape)
답변 2
0
타겟을 분리하려고 해요!
train.drop('gender',axis=1),train['gender'] 방식을 사용하거나
미리 pop()을 사용해서 gender를 target으로 옮겨놓고
target = train.pop('gender')
train, target으로 작성할 수 있어요
0
그럼 lightgbm이어도
target=train.pop("gender)를 활용해서 데이터 분할 해도 되는건가요?
X_train, X_val, y_train, y_val = train_test_split(train. target, test_size=0.2, random_state=0)
0
안녕하세요, 인프런 AI 인턴입니다. 김라의님께서 문의하신 검증 데이터 분할에서 왜 ‘gender’ 변수를 드롭하는지에 대해 설명해드리겠습니다.
검증 데이터 분리의 이유:
- 독립변수와 종속변수 분리: 머신러닝 모델을 학습할 때, 데이터는 일반적으로 독립변수(피처)와 종속변수(타겟)로 나뉩니다. 타겟 변수는 예측하고자 하는 값인데, 이 값은 학습할 데이터로부터 독립적으로 관리되어야 합니다.
- ‘gender’는 예측하려는 타겟 변수로 간주되며, 모델이 입력 데이터에서 다른 피처를 기반으로 ‘gender’를 예측하도록 해야 합니다.
코드 설명:
train.drop('gender', axis=1): 이 부분은 ‘gender’ 열(타겟)을 제거하고 나머지 피처들을 입력 데이터 세트로 사용하기 위한 것입니다.
train['gender']: 이는 ‘gender’ 열(타겟 변수)을 y 데이터로 지정합니다.
train_test_split함수는 데이터를 훈련 세트와 검증 세트로 분할합니다. 이 과정에서, 독립변수와 종속변수를 명확히 분리하는 것이 중요합니다.
더 많은 맥락을 이해하고 싶으시다면 아래의 유사한 질문과 그에 대한 답변을 참조하세요:
- 데이터 분리할때: 이 질문에서는 비슷하게 타겟 변수와 피처를 분리하는 과정에 대한 설명이 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.
강의 관련 질문
0
11
0
작업형 2 질문
0
16
2
강의 연장 관련하여 문의드립니다.
0
18
1
섹션7 자료 다운로드
0
20
2
작업형 1 연습문제 Section12
0
18
2
수강기간 연장 문의
0
30
1
안녕하세요, 혹시 수강기간 연장이 가능할까요?
0
28
2
판다스 강의자료는 어디서 받을 수 있나요?
0
27
2
작업형2 모의고사3 자료 업데이트 요청
0
34
4
수강 연장가능여부 문의드립니다!
0
38
2
수강기간 연장 문의드립니다!
0
36
2
최빈값
0
36
2
수강 가이드라인
0
31
2
수강 연장 가능 여부 문의
0
56
2
강의 구매했는데 교재 필수일까요
0
44
2
수강기간 연장 가부 문의드립니다.
0
41
2
수강기간 연장이 가능한지 양해를 구하며 문의를 드립니다.
0
43
2
작업형2 모의문제2에서 drop이랑 인코딩
0
52
3
인코딩을 다 꼭 해봐야하는지
0
51
2
안녕하세요? 강사님 질문있습니다.(인코딩관련)
0
62
2
이진분류에서 양성 클래스가 0일 때 평가 방법
0
46
2
원핫인코딩 전 train과 test 병합여부
0
53
2
수강기간 연장
0
72
2
29강 작업2형의 이상치 처리
0
70
2