작업형2 모의문제3 질문
3
작성한 질문수 17
작업형2 모의문제 3에서 불균형 데이터 일 때 전체 데이터로 학습하라는말이 결과파일에 작성하란말인가요?
import lightgbm as lgb
lg = lgb.LGBMClassifier(random_state=2022, verbose=-1, class_weight='balanced')
lg.fit(X_tr, y_tr)
pred = lg.predict(X_val)
from sklearn.metrics import accuracy_score, f1_score
print(accuracy_score(y_val, pred))
print(f1_score(y_val, pred, average='macro'))
print(f1_score(y_val, pred, average='micro'))
## 결과 파일
lg.fit(train, target)
pred = lg.predict(test)
import lightgbm as lgb
lg = lgb.LGBMClassifier(random_state=2022, verbose=-1, class_weight='balanced')
lg.fit(X_tr, y_tr)
pred = lg.predict(X_val)
from sklearn.metrics import accuracy_score, f1_score
print(accuracy_score(y_val, pred))
print(f1_score(y_val, pred, average='macro'))
print(f1_score(y_val, pred, average='micro'))
## 결과 파일
lg.fit(train, target)
pred = lg.predict(test)
위 코드처럼 결과파일 부분에 작성하란건가요?
아니면 lightgbm fit으로 학습시킬때 x_tr, y_tr 부분을 train, target으로 바꾸란 얘기 인가요??
답변 1
0
안녕하세요, 인프런 AI 인턴입니다. 얄라차개발자님.
질문하신 의미는 검증 단계에서는 X_tr, y_tr로 성능을 확인하고, 실제 결과 파일을 만들 때는 전체 학습 데이터인 train, target으로 다시 학습하는 것입니다.
따라서 작성하신 코드처럼 검증용 lg.fit(X_tr, y_tr)은 그대로 두고, 결과 파일 생성 단계에서 lg.fit(train, target) 후 lg.predict(test)를 수행하시면 됩니다. 전체 데이터로 다시 학습하면 학습 데이터가 늘어나므로 성능 향상을 기대할 수 있지만, 검증 데이터에 맞춰 튜닝한 모델에서는 실제 성능이 반드시 좋아진다고 보장할 수는 없습니다.
관련 답변: 작업형 2번 model.fit 적용 문의
해당 게시물에서도 검증용 데이터 분할 후 전체 학습 데이터로 다시 학습하는 방식에 대해 설명하고 있습니다.
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.
2유형 제출 전에
0
11
2
문제2-1
0
15
2
기출_분산분석
0
11
0
[작업형1]연습문제 29번
0
14
2
회귀분석_범주형변수 질문
0
8
1
pd.set_option 부분
0
10
1
코드 질문
0
11
1
작업형2 모의문제 3 stratify = target
0
16
2
로지스틱회귀분석 강의
0
13
1
12회 기출 2유형
0
13
1
독립성검정 코드 질문
0
10
1
기출문제 12회 pdf로 주세요
0
17
2
13강좌 Section1. 데이터프레임과 시리즈 실습파일은 어디에서 받나요?
0
12
2
from ~ import 문 사용 시 * 사용 가능여부 문의
0
11
2
12회 작1 2-1
0
15
1
일주일 전 학습방향
0
27
2
roc 코드 질문입니다
0
18
2
섹션12 강의
0
16
1
모의문제3 질문
0
25
2
116. [작업형3] 9. 로지스틱 회귀 문제 질문 있습니다
0
16
3
레이블인코딩 transform 질문
0
22
2
3회 작업형2
0
14
2
문제2
0
17
2
작업형 2 결측치파트
0
19
2





