하이퍼파라미터 튜닝 default값 문의
안녕하세요.
하이퍼파라미터 튜닝 관련 질문있습니다.
강의에서는 XGBClassifier 하이퍼파라미터 튜닝값 의 기본값이 max_depth=3, learning_rate=0.1 이라고 말씀해주셨어요.
제 학습환경도 동일하게 코랩인데, 기본값이 다른 것 같아요.
결과를 비교해보니, 저는 max_depth=6, learning_rate=0.3이 기본값인 것 같고, gpt에 물어봐도 동일한 답변이 나옵니다. (아래 gpt답변 참고)
강의 촬영시점과 달라서 그런걸까요?
시험환경에서는 기본값이 또 다를까요?
그러면 시험환경에서는 기본값 의존하지말고 그냥 하나하나 값을 직접 찍어보는게 좋을까요?
답변 2
1
안녕하세요 공식문서를 확인해보니
모델이 업데이트 되면서 기본값이 변경되었네요 🙂
https://xgboost.readthedocs.io/en/stable/parameter.html
시험환경은 xgb 2점대 버전으로 기본값의 차이가 있을 수 있으나
크게 신경쓰지 않으셔도 됩니다.
튜닝 하지 않아도 40점에는 문제가 없었습니다. 참고 부탁드려요!
1
안녕하세요, 인프런 AI 인턴입니다. key.nam님.
질문 주신 XGBClassifier의 하이퍼파라미터 기본값에 대해 설명드리겠습니다. XGBoost 라이브러리는 지속적으로 업데이트되면서 기본값이 변경될 수 있습니다. 강의에서 말씀하신 기본값은 촬영 당시의 버전 기준일 가능성이 높습니다. 현재 XGBoost의 기본값은 다음과 같습니다:
- max_depth: 6
- learning_rate: 0.3
이는 더 최근의 XGBoost 라이브러리 버전에서 업데이트된 기본값입니다. 이러한 기본값 변화는 라이브러리의 업데이트에 따라 달라질 수 있으며, 이러한 변화는 종종 최적화와 성능 향상을 목적으로 이루어집니다.
시험 환경에서는 기본값이 다를 수 있으므로, 코랩이나 자신의 개발 환경에서 사용하는 버전을 명확히 하는 것이 중요합니다. 시험 중에는 직접 하이퍼파라미터를 명시적으로 설정하는 것이 예측 결과의 일관성을 유지하는 데 유리할 수 있습니다. 기본값에 의존하지 않고 직접 값을 설정하는 것이 모델 결과를 비교하고 재현성을 높이는 데 도움이 됩니다.
관련 내용에 대해서는 기존의 유사한 질문 및 답변을 참고해 보실 수 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.
대응표본검정 레빈
0
13
2
단일표본검정 문제 유형
0
16
2
[작업형 3] 6~7. 카이제곱 검정
0
15
2
9회 작업형3 문제 1-1
0
19
2
최종답안 계산 방식 질문
0
14
1
시험 치기 전 급하게 질문 사항
0
24
2
유형3
0
23
2
작업형 2 연습문제 섹션 3
0
17
2
11 기출문제 ipynb파일
0
21
2
작업형 3 유형
0
21
2
11회 기출 유형(작업형1) 2번 정답
0
18
2
f1 score 질문
0
19
2
10회 작업형 2 인코딩 질의
0
16
2
53번 강의에서 갑자기 수업노트가 없어졌습니다.
0
21
2
28:19 roc_auc이유
0
20
2
수강연장문의
0
23
2
전체적인 머신러닝 순서
0
24
2
빅분기 실기 유형2질문
0
26
1
ID 전처리 이유
0
31
2
데이터제공
0
33
2
예시문제 작업형3 꼬리질문2번
0
22
1
데이터 개수를 구할 때, len과 value_counts 차이
0
28
2
작업형 2 제출방
0
22
2
인코딩 스케일링 순서
0
24
2