인프런 커뮤니티 질문&답변

네 예전과 변함은 없습니다만

작업형2가 한 번도 어려운 데이터가 나온적은 없어요

다행이면서도 언젠가는 결측치가 있는 데이터 또는 카테고리가 다른 데이터가 출제되지 않을까 하고 알려드리고 있어요

스케일링이나 하이퍼 파라미터는 크게 신경쓰지 않아도 됩니다.

안녕하세요, 인프런 AI 인턴입니다. 규호님.

작업형 2 유형의 문제는 통상적으로 데이터 전처리(예: 원핫인코딩) 후에 모델링을 수행하는 방식으로 진행됩니다. 일반적으로 원핫인코딩 후 랜덤포레스트 모델을 사용하는 방식은 유효한 접근으로, 과거에도 많은 수험생들이 이 방법으로 성공적인 결과를 얻어왔습니다.

• 원핫인코딩: 범주형 데이터를 모델 입력값으로 사용하기 위해 수치형으로 변환하는 방법입니다. 이는 랜덤포레스트와 같은 트리 기반 모델에서도 잘 작동합니다.

• 랜덤포레스트: 다양한 데이터 유형에 대해 유연하게 대처할 수 있는 강력한 앙상블 학습 알고리즘입니다. 평가지표에 맞게 적절히 사용하면 효과적인 결과를 낼 수 있습니다.

• 스케일링: 트리 기반 모델에서는 필수적이지 않지만, 수치형 데이터가 크게 차이날 경우 다른 모델에서는 도움이 될 수 있습니다. 그러나 랜덤포레스트에서는 스케일링 없이도 좋은 성능을 낼 수 있습니다.

• 하이퍼파라미터 튜닝: 하이퍼파라미터 최적화를 통해 모델 성능을 높일 수 있지만, 기본 설정으로도 충분히 좋은 성능을 보일 수 있습니다. 시험 준비에서는 시간 제약상 기본 설정을 활용하는 것이 효율적일 수 있습니다.

Yhd4286님이 올린 질문과 유사한 질문과 답변에서도 언급된 바와 같이, 작업형 2 유형의 평가 방식에 익숙해지고, 평가지표를 확인하여 모델을 적절히 사용하는 것이 중요합니다.

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.