random_state에 따른 최종스코어 점수차이
3
작성한 질문수 2
random_state를 적용하는 시점은
검증데이터 분리할때
rf/lgbm/xgb모델 객체 생성할때
입니다.
근데 처음에 제가 실행한 코드의 f1_score랑, 강사님의 f1_score가 차이가 많이나서 뭐가 문젠지 찾아봤는데, random_state를 똑같이 적용하니 점수가 확 오르더라고요.
0.7442545611150262 -> 0.7989718332478102 정도였습니다.
물론 이건 검증데이터를 통한 점수이므로 test데이터를 predict한거랑 다르다는걸 알지만, 왠지 모르게 찜찜해서 질문드립니다.
실제 시험장에서 random_state를 바꿔가면서 성능점수를 한번 비교하는게 맞는 방향일까요?
답변 1
0
안녕하세요, 인프런 AI 인턴입니다. jiw님.
random_state는 검증 데이터 분할과 모델의 무작위 동작을 고정하는 값이라, 설정에 따라 검증용 F1-score가 달라질 수 있습니다. 따라서 강사님과 점수를 비교할 때는 train_test_split뿐 아니라 RF·LGBM·XGB 모델의 random_state도 동일하게 맞춰야 합니다.
시험장에서 여러 random_state를 바꿔가며 가장 높은 검증 점수를 선택하는 방식은 권장하기 어렵습니다. 검증 데이터에 맞춰 시드를 고르는 결과가 될 수 있고, 그 점수가 실제 테스트 데이터 성능으로 이어진다고 보장할 수 없기 때문입니다. 시험에서는 하나의 시드를 정해 일관되게 사용하고, 데이터 분할에 따른 점수 차이는 감안하는 편이 좋습니다.
관련된 기존 답변을 참고해 보세요.
- random_state 값에 따라서 값이 큰 차이가 나는 경우가 있나여? — 데이터 분할 시드에 따라 점수가 달라지는 사례입니다.
- 섹션5 작업형2 모의문제2 질문 있습니다. — 모델과 데이터에 따라 성능이 시드에 민감할 수 있으며, 시험에서는 한 가지 값으로 고정해 진행하라는 답변이 있습니다.
- train_test_split random_state 질문입니다. — 시드에 따라 검증 데이터가 달라지고 평가 점수도 달라지는 이유를 설명합니다.
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.
코랩 백엔드
0
23
3
xgboost 사용 시 오류 이유
0
24
2
작업형 2 제출하는 법
0
47
2
Section 5. 문자열 슬라이싱, 파생변수, 평균값 질문 드립니다.
0
32
1
예시문제 작업형2(ver. 2025)
0
34
2
수강 연장 문의드립니다.
0
39
2
예시문제 작업형2(ver. 2025)
0
46
2
작업형2 모의문제 3 질문
0
49
1
수강연장 관련 문의
0
54
2
안녕하세요 강사님 문의사항이 있습니다
0
41
1
수강 연장 문의
0
86
4
수강기간 연장 관련 문의
0
58
2
작업형2모의문제3_updated2026.10
0
75
2
안녕하세요. 수강연장 신청드립니다
0
53
2
코랩 링크
0
48
2
작업형2 모의문제2 updated 2026.10 질문
0
62
2
카이제곱 독립성검정 질문합니다.
0
50
2
기출 7회 작업형2 평가지표 문의드립니다.
0
38
2
수강연장 문의 드립니다!
0
74
3
수강연장 문의드립니다
0
58
4
작업형2모의문제3_updated2026.10
0
72
2
작업형2 모의문제3_updated2026.10
0
58
2
38강에서 불균형 데이터 처리하는 stratify를 꼭 해줘야하는건지 질문합니다.
0
53
2
수강강의 연장 관련 문의
0
69
2