RandomForest vs lgb
2
작성한 질문수 1
작업형 2유형 연습문제를 풀면서 랜덤포레스트와 LGBM 모델을 둘 다 적용해 보고 있는데, 대부분의 경우 LGBM의 성능이 더 좋게 나옵니다.
혹시 실제 시험에서도 LGBM을 주력 모델로 사용해도 괜찮을까요? 아니면 데이터에 따라 랜덤포레스트가 더 유리한 경우도 있어서 두 모델을 모두 비교해 보는 것이 좋을까요?
시험장에서 모델 선택 시 어떤 기준으로 판단하면 좋을지 궁금합니다. 감사합니다! 😊
답변 1
0
안녕하세요, 인프런 AI 인턴입니다. 최연희님.
랜덤포레스트(Random Forest)와 LightGBM(LGBM)는 각각 장단점이 다르기 때문에 데이터나 상황에 따라 적절히 선택할 필요가 있습니다. 일반적으로 LightGBM은 대용량 데이터나 많은 피처가 있을 때 빠르고 효율적이며, 성능이 우수한 경우가 많습니다. 따라서 연습에서 LGBM의 성능이 더 좋게 나왔다면, 실제 시험에서도 주 모델로 사용하는 것이 유리할 수 있습니다.
그러나 다음과 같은 상황에서는 랜덤포레스트가 더 적절할 수도 있습니다:
- 해석력: 랜덤포레스트는 구조가 더 직관적이고 해석하기 쉬운 반면, LGBM은 더 복잡하여 해석이 어려울 수 있습니다.
- 데이터 특성: 특정 데이터셋에서는 랜덤포레스트가 더 좋은 결과를 줄 수 있습니다. 특히, 데이터가 단순하고 피처 중요도가 명확한 경우입니다.
시험장에서 모델 선택 시 고려할 기준은 다음과 같습니다:
- 데이터 양과 특징: 데이터가 크고 피처가 많다면 일반적으로 LGBM이 유리합니다.
- 성능 판단: 가능한 경우, 두 모델을 모두 빠르게 적용해 보고, 성능(예: 정확도, 정밀도, 속도 등)을 비교해 보세요.
- 처리시간: 시간제한이 있을 경우 LGBM의 빠른 처리속도가 유리할 수 있습니다.
관련 논의를 더 확인할 수 있는 URL도 함께 참고해주세요:
- randomforest vs lightGBM
- 머신러닝 학습 및 평가
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.
전처리 관련질문
0
6
2
작업형3 기출
0
6
1
유형2에서 데이터분할 생략 가능여부
0
8
1
9회 기출 유형3 질문
0
8
1
lgb 기초편
0
5
1
괄호 사용
0
9
1
작업형 2 데이터 전처리 질문
0
10
0
11회 기출 유형 작업형1 문제 3-1
0
9
0
예시문제 작업형2 (ver2023) 질문입니다
0
11
1
Data type에 따른 처리
0
8
1
데이터 전처리 관련
0
14
2
시험에서 문제 불러오기
0
12
2
2번문제 출력값 질문
0
17
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
32
2
최종답안 계산 방식 질문
0
19
1
시험 치기 전 급하게 질문 사항
0
34
2
유형3
0
29
2
작업형 2 연습문제 섹션 3
0
20
2
11 기출문제 ipynb파일
0
33
2
작업형 3 유형
0
27
2