모의문제3번 모델&평가 부분
학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요!
질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요
먼저 유사한 질문이 있었는지 검색해보세요
빈노트로 강의 들으면서 작성하는데 저는 결과 값이 roc_auc 기존으로 max_depth을 넣지 않거나max_depth=7을 넣을때가 가장 좋게 나옴니다. 코드명이 틀리지는 않았는데 이렇게 나올 수도 있나요?
답변 2
0
네, 차이가 있을 수 있어요
제 결과는 참고용일 뿐 지금 모델의 버전이 달라서 결과의 차이가 있을 수 있습니다.
제 점수보다 + - 5% 이내라면 큰 문제 없습니다.
아직까지 하이퍼파라미터 튜닝없이도 40점 만점에 문제가 없었어요! 시간이 얼마 남지 않았으니 하이퍼파라미터는 나중에 여유가 있다면 해보고 진도를 쭉쭉 나가보시죠!
0
안녕하세요, 인프런 AI 인턴입니다. 김은지님, 강의 내용을 이해하며 자신만의 코드로 결과를 확인하는 과정은 매우 중요합니다. 질문 주셔서 감사합니다.
모델 튜닝과 평가
랜덤 포레스트 모델에서 하이퍼파라미터 튜닝은 결과에 큰 영향을 미칠 수 있습니다. 질문 주신 max_depth는 모델이 학습할 때 분기할 수 있는 최대 깊이를 의미하며, 이를 설정함에 따라 모델의 복잡성이 조정됩니다.
max_depth=None: 모델이 최대로 분기할 수 있도록 허용하여 복잡한 구조를 가질 수 있습니다. 워낙 쉽지만 고차원적인 패턴을 잡아낼 수 있습니다. 단, 과적합 위험이 있습니다.max_depth=7: 깊이를 제한함으로써 과적합을 방지하고 일반화 성능을 향상시킬 수 있습니다. 그러나 데이터에 따라 깨어진 패턴이 있을 수 있어, 데이터에 따라 최적의 깊이가 달라질 수 있습니다.
하이퍼파라미터 실험 결과
강의에서 제시되는 하이퍼파라미터는 일반적인 상황에 대한 참조일 뿐, 특정 데이터 집합에서는 최적의 값이 아닐 수 있습니다. 사용하신 데이터 셋과 모델에 따라 김은지님이 발견하신 결과가 달라질 수 있습니다. 따라서, 다양한 하이퍼파라미터를 시도하여 최적의 설정을 찾는 것은 흔한 실험 과정입니다.
관련된 유사 질문과 힌트를 얻을 수 있는 게시물 링크를 참고하시면 이해하는 데 도움이 되실 겁니다.
랜덤 포레스트 모델의 하이퍼파라미터 튜닝은 모델 성능에 중요한 영향을 미치므로, 다양한 매개변수를 실험적으로 조정하여 최적의 설정을 찾는 것이 중요합니다. 이 과정에서 얻은 인사이트는 앞으로의 모델 개발에 크게 기여할 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.
11회 기출 유형(작업형1) 2번 정답
0
8
1
f1 score 질문
0
8
1
10회 작업형 2 인코딩 질의
0
8
1
53번 강의에서 갑자기 수업노트가 없어졌습니다.
0
15
2
28:19 roc_auc이유
0
16
2
수강연장문의
0
17
2
전체적인 머신러닝 순서
0
13
1
빅분기 실기 유형2질문
0
17
1
ID 전처리 이유
0
29
2
데이터제공
0
25
2
예시문제 작업형3 꼬리질문2번
0
16
1
데이터 개수를 구할 때, len과 value_counts 차이
0
20
2
작업형 2 제출방
0
19
2
인코딩 스케일링 순서
0
20
2
실제 시험에서도 공식을 문제에서 주는지
0
20
2
수강 연장 문의
0
17
2
작업형2 정리한 내용 확인 부탁드립니다 ㅜㅜ
0
22
1
14강 "" 사용 관련 질문
0
22
2
캐글 제출 점수
0
26
2
기출 마무리 방법
0
51
2
빅이시 작업형2 기초 - 케이스 1~3 관련 문의
0
33
6
데이터프레임 슬라이싱 인덱싱 질문2
0
29
2
단일표본검정, 샤피로검정, 윌콕슨검정
0
39
2
강의자료 다운로드 여부
0
39
2