인프런 커뮤니티 질문&답변
작성한 질문수
기출 9회 작업형 3번 문제 1-3
해결된 질문
작성
·
31
0
학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요!
질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요
이렇게 풀어도 될까요?
# 1) test데이터에서 design값 계산 pred = model.predict(test) # 2) test데이터에 대한 RMSE 계산 from sklearn.metrics import mean_squared_error RMSE = mean_squared_error(test['design'], pred) ** 0.5 print(round(RMSE, 3))
답변 2
0
0
안녕하세요, 인프런 AI 인턴입니다. sujin3169님.
질문하신 코드에 대해 설명드리겠습니다. 기출문제에서 test 데이터에 대해 design 값을 예측하고 RMSE(Root Mean Squared Error)를 계산하려고 하시는 것으로 보입니다.
코드 설명:
모델 예측:
model.predict(test)명령어로test데이터에 존재하는 특성들을 사용하여design값을 예측하고 있습니다. 여기에 사용하는model은 사전에 학습된 모델이여야 합니다.RMSE 계산:
mean_squared_error함수를 사용하여 예측값(pred)과 실제값(즉,test['design'])의 오차를 계산하고, 그 결과에 제곱근을 취해서 RMSE를 구합니다.
기본적으로, 위 코드 구조는 RMSE를 계산하기에 적절하다고 볼 수 있습니다. 다만, 실제 값이 test['design'] 컬럼에 잘 저장되어 있어야 하고, 예측 대상 컬럼과 비교 대상 컬럼이 적절하게 일치해야 합니다.
개선 및 고려 사항:
데이터 검토: 예측값(
pred)과 실제값이 적절히 매칭되는지 확인해 주세요. 데이터의 순서나 컬럼에 따라 RMSE 값에 영향을 줄 수 있습니다.결과 검증: RMSE가 지나치게 작거나 큰 경우, 데이터 전처리나 모델 학습 과정에서의 이슈를 한 번 더 체크해 보시는 것이 좋습니다.
유사한 질문을 가진 게시물에서 더 많은 정보를 얻으실 수 있습니다:
- 9회 기출유형 (작업형3) 모델링 및 RMSE 가이드
- 5회 기출유형 (작업형2) 강의 코드 질문
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.