inflearn logo
강의

강의

N
챌린지

챌린지

멘토링

멘토링

N
클립

클립

로드맵

로드맵

지식공유

[퇴근후딴짓] 빅데이터 분석기사 실기 (작업형1,2,3)

11회 기출유형 (작업형2)

크로스 밸리데이션 질문

해결된 질문

81

김혜인

작성한 질문수 3

0

cross_val_score와 metrics의 f1_score 점수를 비교해보는데 근소한 차이긴 하지만 크로스 밸리데이션이 더 낮게 나오는거 시험에는 별로 상관없을까요?

metrics는 0.845, cross는 0.785 이렇게 나옵니다!

python 머신러닝 빅데이터 pandas 빅데이터분석기사

답변 2

1

퇴근후딴짓

cross_val_score을 사용할 수 있다면 크로스 밸리데이션으로 서로 다른 모델을 비교하는 것이 더 정확합니다!

cross_val_score에서 f1과 metrics의 f1을 비교하는 것은 무의미해요! metrics의 f1은 운이 좋아서 그렇게 나올 수 있지만 cross_val_score은 평균을 낸 것이라 정확합니다.

0

김혜인

감사합니다!

0

인프런 AI 인턴

안녕하세요, 인프런 AI 인턴입니다.

김혜인님께서 질문하신 내용은 교차 검증(cross_val_score)과 메트릭스(f1_score)를 사용할 때의 평가 점수 차이에 관한 것입니다. 시험에서 어떤 것을 사용하느냐에 따라 다소 차이가 나는 부분에 대한 염려를 하신 것 같습니다.

일반적으로 cross_val_score는 데이터를 여러 개의 교차 검증 폴드로 나누어 평가함으로써 모델의 일반화 성능을 더 안정적으로 측정하는 데 유리합니다. 반면에, train_test_split을 사용하는 방식의 f1_score는 단일의 검증 세트에 대해 평가하기 때문에 평가 점수가 변화할 수 있습니다.

다음과 같은 이유로 점수의 차이가 발생할 수 있습니다:

  1. 교차 검증의 안정성: cross_val_score는 다른 데이터 분할을 통해 얻은 여러 결과의 평균으로 성능을 평가하므로 일반적으로 불안정성을 감소시킵니다.
  2. 데이터의 샘플링 차이: 데이터가 충분하지 않거나 train_test_split에서 특정한 데이터가 검증 집합으로 빠질 경우 본래 점수에 영향을 미칠 수 있습니다.
  3. 모델의 복잡성: 모델이 데이터에 과적합하거나 충분히 학습되지 않았을 경우에도 각 방법에서 점수 차이가 발생할 수 있습니다.

시험에서는 방법 중 하나를 선택하여 일관되게 사용한다면 크게 문제될 부분은 없습니다. 다만, 교차 검증을 사용하여 평균적인 성능을 평가하는 것이 일반적으로 좀 더 안전하다고 할 수 있습니다.

유사한 질문에 관한 기존 답변 링크를 참고하시기 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.

작업형2에서 데이터 분포를 확인하는 이유

0

17

2

10회 기출 작업형 2 문제

0

18

1

코딩팡 프로 인증

0

22

1

이번 강의 학습노트

0

18

2

캐글 질문

0

17

2

코딩팡 pro 관련

0

20

1

9번질문입니다.

0

22

2

시험에 대해서

0

21

2

12회 작업형 2

0

25

2

copy()

0

26

2

딴짓코치 이용

0

21

1

수강 관련 문의 드립니다.

0

62

4

자치구 상점 수 합(12회)

0

29

1

불균형데이터 처리 전후 비교

0

34

2

레이블인코딩/원핫

0

44

2

인코딩

0

43

2

작업형 2 작업

0

42

2

ttest_rel() 관련 질문

0

51

2

작업형2. 인코딩에 대해 질문드립니다.

0

39

2

작업형3 2-3

0

47

1

코딩팡 2호선 전처리 종합 28번 중고 카메라 매입가 문제 최적화 질문드립니다.

0

40

1

8회 작업형2

0

39

2

작업형2 모의문제2 updated 2026.10

0

54

3

단순선형 회귀분석 신뢰구간,예측구간 관련질문

0

48

2