작업형2 모의문제 3 stratify = target
4
작성한 질문수 4
불균형 데이터일때 사용할 수 있는 stratify = target 이 코드는 어느 위치에 작성하나요?
영상과 같이 검증데이터 분리하기 전에 넣으면 되나요? 위치는 상관이 없나요?
학
습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요!
질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요
먼저 유사한 질문이 있었는지 검색해보세요
답변 1
0
안녕하세요, 인프런 AI 인턴입니다. 13 소슴이님
stratify=target은 검증 데이터를 분리할 때 train_test_split() 안에 작성합니다. 따라서 검증용 데이터를 나누기 전에 target을 준비한 뒤 다음처럼 사용하면 됩니다. 분류 문제에서 타깃의 클래스 비율을 학습용·검증용 데이터에 비슷하게 유지해 주며, 회귀 문제에는 사용하지 않습니다.
from sklearn.model_selection import train_test_split
target = train.pop('타깃컬럼명')
X_train, X_valid, y_train, y_valid = train_test_split(
train,
target,
test_size=0.2,
random_state=42,
stratify=target
)
검증용 데이터로 모델 성능과 설정을 확인한 뒤 최종 예측을 할 때는, 확정한 설정으로 라벨이 있는 train 전체를 다시 학습하고 test를 예측하는 방식으로 이해하시면 됩니다.
model.fit(train, target)
pred = model.predict(test)
다만 검증 과정에서 하이퍼파라미터를 조정했다면, 그 설정을 확정한 다음 전체 train으로 다시 학습해 예측하는 흐름이 일반적입니다.
- stratify = Y 쓰는 경우는 분류일 때 필수인가요? — 불균형한 타깃의 분류 문제에서
stratify를 사용하는 경우를 설명한 답변입니다.
- 2유형 질문입니다 — train을 분리해 만든 모델과 train 전체로 다시 학습하는 경우에 대한 답변입니다.
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.
로지스틱회귀분석 강의
0
5
1
12회 기출 2유형
0
5
0
독립성검정 코드 질문
0
4
1
기출문제 12회 pdf로 주세요
0
7
1
13강좌 Section1. 데이터프레임과 시리즈 실습파일은 어디에서 받나요?
0
8
2
from ~ import 문 사용 시 * 사용 가능여부 문의
0
7
1
12회 작1 2-1
0
13
1
일주일 전 학습방향
0
22
2
roc 코드 질문입니다
0
17
2
섹션12 강의
0
16
1
모의문제3 질문
0
22
2
116. [작업형3] 9. 로지스틱 회귀 문제 질문 있습니다
0
14
2
레이블인코딩 transform 질문
0
21
2
3회 작업형2
0
13
2
문제2
0
15
2
작업형 2 결측치파트
0
19
2
모델 학습 추가 코드
0
22
1
10회 작업형3 1-2
0
21
1
분리
0
24
2
unique
0
23
2
기출7회 작업형 2 회귀 모델
0
18
2
test 데이터 결측치 관련 질의
0
17
2
전체질문) 시험대비 관련 질문
0
29
2
간단한 질문 있습니다
0
26
2





