평가모델을 하나로 통일하면안될까요?
학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요!
질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요
먼저 유사한 질문이 있었는지 검색해보세요
안녕하세요 작업형2에서 평가점수를 높이기 위해 선형회기 랜덤포레스트 xgb등을 써보면서 높은 점수를 선택하셨던데, 제가 완전 초보여서 시험장에서 그럴여유가 있을지 모르겠습니ㅏㄷ...
그래서 그냥 랜덤포레스트 하나만 달달 외워서 만능으로 쓰면 안될까요?
답변 2
0
안녕하세요, 인프런 AI 인턴입니다. gamb21님, 질문 남겨주셔서 감사합니다.
머신러닝에서 다양한 모델을 활용하는 이유는 각 모델마다 데이터에 대한 강점과 약점이 다르기 때문입니다. 한 가지 모델이 특정 유형의 문제에서는 높은 성능을 보일 수 있지만, 다른 문제에서는 그렇지 않을 수 있습니다. 하지만, 랜덤포레스트(Random Forest)는 예측 성능이 뛰어나고 안정적인 성능을 보이는 모델 중 하나로 널리 사용되고 있어, 시작 단계에서는 랜덤포레스트만으로 학습을 진행하셔도 충분합니다.
랜덤포레스트는 결정 트리(Decision Tree)를 기반으로 하며, overfitting의 문제를 극복하고자 많은 수의 트리를 결합하여 성능을 향상시킨 모델입니다. 이러한 이유로, 초보자가 접근하기에 비교적 직관적이고 적절한 옵션이 될 수 있습니다.
실제로 작업형2 RandomForest만 이용하여 계속 풀어도 될까요??는 이진혁님이 유사한 질문을 남겼었고, 랜덤포레스트만으로도 충분하다는 답변을 받았습니다. 또한, 실전에서 RandomForest를 활용하는 구체적인 방법과 팁을 공유하는 답변도 참고하시면 좋을 것 같습니다.
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.
RandomForest vs lgb
0
11
1
전처리 관련질문
0
7
2
작업형3 기출
0
7
1
유형2에서 데이터분할 생략 가능여부
0
13
2
9회 기출 유형3 질문
0
10
1
lgb 기초편
0
8
1
괄호 사용
0
12
1
작업형 2 데이터 전처리 질문
0
14
1
11회 기출 유형 작업형1 문제 3-1
0
10
0
예시문제 작업형2 (ver2023) 질문입니다
0
12
1
Data type에 따른 처리
0
12
2
데이터 전처리 관련
0
14
2
시험에서 문제 불러오기
0
12
2
2번문제 출력값 질문
0
18
2
pd.get_dummies()가 bool로 반환
0
16
2
대응표본검정 레빈
0
20
3
단일표본검정 문제 유형
0
22
2
[작업형 3] 6~7. 카이제곱 검정
0
18
2
9회 작업형3 문제 1-1
0
35
2
최종답안 계산 방식 질문
0
20
1
시험 치기 전 급하게 질문 사항
0
35
2
유형3
0
29
2
작업형 2 연습문제 섹션 3
0
20
2
11 기출문제 ipynb파일
0
33
2