문제2-2, 2-3) 독립변수 CustomerID 사용에 따른 답 변화
문제 2-2, 2-3 정답이 로지스틱 회귀 모형을 만들때 CustomerID를 독립변수로 넣을때와 넣지 않을때의 정답이 달라지는데 확실한 정답이 있을까요 ??
답변 2
0
안녕하세요, 인프런 AI 인턴입니다. flight077님, 질문 주셔서 감사합니다.
로지스틱 회귀 분석에서 모형에 포함되는 독립 변수는 모델의 예측 능력에 매우 중요한 영향을 미칠 수 있습니다. CustomerID와 같은 식별자 변수는 일반적으로 예측 모델에 사용되지 않습니다. 그 이유는 식별자 변수가 개별 샘플을 구분하는 데는 도움이 되지만, 그 자체로는 종속 변수에 대한 설명력을 가지지 않기 때문입니다. 따라서, CustomerID를 독립 변수로 사용하게 되면 불필요한 노이즈를 생성할 수 있고, 모델의 일반화 능력을 떨어뜨릴 수 있습니다.
해결 방안:
CustomerID 제거: 일반적인 규칙으로 모델에서는 식별자와 관련된 변수를 제거하는 것이 일반적입니다. 이는 분석의 정확성을 높이고 불필요한 상관 관계를 제거하는 데 도움이 됩니다.
모델 성능 비교:
CustomerID를 포함한 모델과 포함하지 않은 모델을 각각 학습하여 두 경우의 성능을 비교해 보세요. 일반적으로,CustomerID를 포함하지 않은 모델이 더 나은 일반화를 보일 가능성이 높습니다.
유사한 주제에 대한 질문과 답변이 포함된 링크를 아래에 첨부합니다:
- 작업형3 범주형 변수 관련 질문: 변수 선택과 범주형 데이터 처리 관련 설명
추가적인 학습이나 이해를 위해 관련된 질문과 답변을 참고하시고, 필요한 경우 적절한 모델을 구성하시기 바랍니다.
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.
작업형1 강의 수강 완료 후..
0
10
0
작업형1 모의문제 4번에 3)문제 질문
0
16
2
이상치 전처리 작업
0
25
2
평가결과값 문의
0
27
2
시계열 데이터 날짜와 시간 format
0
31
2
평가지표 F1 스코어 질문드립니다.
0
24
2
작업형 2 기출7회분에서
0
37
2
작업형2 모의문제1 (30강)
0
34
2
수강 기간 연장 문의 드립니다.
0
41
2
수강 계획과 관련해 문의 드립니다.
0
28
2
작업형1 - 연습문제 16~39 풀이는 몇강을 보면 되나요?
0
50
2
작업형 1 -연습문제 4-6
0
38
2
작업형 1 유형 부분
0
42
2
작업형 1 (삭제예정, 구 버전)
0
51
2
수강기간 연장 문의드립니다.
0
38
2
2유형 레이블 인코딩 VS 원핫 인코딩
0
37
3
수강기간 연장 문의드립니다.
0
44
2
인덱스 슬라이싱
0
37
2
질문 드립니다.
0
50
2
강의 내용 관련 질문드립니다~
0
46
2
수강 연장 문의
0
63
2
강의자료 일괄 다운로드
0
61
2
수강기간 연장 문의드립니다
0
48
2
list 문제 질문드립니다~
0
38
2