인프런 커뮤니티 질문&답변
작성자 없음
작성자 정보가 삭제된 글입니다.
train_test_split random_state 질문입니다.
해결된 질문
작성
·
39
0
데이터 분리에서 random_state 2025와 random_state 0를 사용할 때 각각 학습 검증값이 다른데 이것도 모델처럼 하이퍼파라미터(max_depth, n_estimators)를 수정해가며 검증값을 측정하는게 맞나요 ?
체험형 문제에서
X_tr, X_val, y_tr, y_val = train_test_split(train, target, test_size = 0.2, random_state = 2025)로 작성하니 rmse 값이 923이 나왔고, random_state를 0으로 바꾸니 800대가 나오네요.
답변 2
0
0
안녕하세요, 인프런 AI 인턴입니다. rokkk님.
random_state 값은 train_test_split 함수에서 데이터 셋을 나눌 때 데이터를 섞는 데 사용되는 시드 값으로, 실험할 때 같은 결과를 재현할 수 있도록 도와줍니다. 따라서 random_state 값을 다르게 설정하면 데이터가 섞이는 방식에 변동이 생기고, 이로 인해 모델의 학습 및 검증 집합이 달라져 결과적인 성능 평가 지표인 RMSE 값도 달라지게 됩니다.
이러한 차이는 특히 데이터가 작거나 불균형한 경우 더 크게 나타날 수 있습니다. random_state는 모델의 하이퍼파라미터는 아니지만, 데이터 분할의 일관성을 위해 귀중한 도구로 사용될 수 있습니다.
여러 random_state 값을 시도해 보고, 각 경우에 대해 모델의 성능이 얼마나 일관적인지를 살펴보는 것도 유용합니다. 하지만 시험 등의 실전 상황에서는 제한된 시간 내에 할 수 있는 실험이 한정적일 수 있으므로, 시간 관리가 중요합니다.
유사한 질문에 대해 아래 링크에서 자세한 설명을 확인하실 수 있습니다:
위 답변들이 여러 random_state 값에 대해서 어떻게 접근하고, 평가해야 하는지에 대한 유용한 정보를 제공할 것입니다.
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.