하이퍼 파라미터 튜닝 기법 적용하기1(XGBoost 실습) 강의에서 질문입니다
하이퍼 파라미터 튜닝 기법 적용하기1(XGBoost 실습) 강의에서 질문입니다.
해당 강의 7:28 부근에서 pbounds에 들어간 하이퍼 파라미터에 대해 설명을 해주셨는데요,
pbounds = {
'learning_rate': (0.01, 0.5),
'n_estimators': (100, 1000),
'max_depth': (3, 10),
'min_child_weight': (0, 10),
'subsample': (0.5, 1.0),
'colsample_bytree': (0.5, 1.0),
'gamma': (0, 5)
# 'reg_lambda': (0, 1000, 'log-uniform'),
# 'reg_alpha': (0, 1.0, 'log-uniform')
}아래에 있는 reg_Lambda와 reg_alpha는 왜 주석 처리를 하고, 사용하지 않았는지 궁금합니다!
답변 1
0
안녕하세요. 답변 도우미입니다.
'reg_lambda'와 'reg_alpha'는 L1와 L2 정규화(regularization)를 위한 파라미터로, 과적합(overfitting)을 방지하기 위해 사용됩니다. 그러나 이러한 다양한 파라미터 조합이 항상 성능 개선에 도움이 되는 것은 아니라서, 위 케이스의 경우, 해당 파라미터 설정이 테스트 결과 큰 도움은 되지 않아서, 주석 처리하였습니다. 하지만, 다른 파라미터값과 조합을 변경해서 테스트하면, 주석처리한 파라미터를 설정하는 것이 도움이 되는 경우도 있을 수 있어요. 이 부분은 오롯이 다양한 테스트와 일종의 감?을 통해서 결정한 것입니다.
감사합니다.
자료 공유 질문
0
57
1
Ascii 에러 관련하여 질문드립니다
0
81
1
고차원 데이터 질문
0
52
0
test / train 데이터 나누기
0
97
1
세션4 범주형 데이터 분석 패턴 강의 질문
0
199
2
pandas 2.2.2, xgboost 2.1.3 에러 해결 방법
0
215
1
sklearn v1.5.1
0
168
1
머신러닝 적용을 위한 Feature Engineering 작업1
0
178
2
missingno 대체
0
167
1
scikit-learn 1.5.1 matplotlib 3.9.2
0
129
1
환불문의
0
263
1
자료공유를 받으려고 하는데 에러가 납니다.
0
157
1
iplot에서 항상 에러나는 분 안계신가용?
0
221
1
사망 여부 영향 가능성
0
142
1
섹션4_인코딩 이해하고 적용해보기(원핫인코딩) 질문
0
189
1
df.corr(numeric_only=True).iplot() 에러 해결 어떻게 해야되나요?
0
277
1
주피터 노트북 201_REGRESSION_BIKE_SHARING_MODELS 중 질문
0
244
1
3강 강의 자료 코드 관련 질문입니다
1
336
1
맥 사용자 mkdir .kaggle 했는데 파일이 안만들어집니다.
0
414
1
Bayesian Optimization에서 optimizer.maximize()함수를 더이상 지원 안한다고 합니다.
0
875
2
Bayesian Optimization LightGBM 적용
0
457
2
하이퍼 파라미터 튜닝 기법 적용하기 실행값이 미묘하게 달라요.
1
341
1
중복된 코드 수정 요청 - 자전거 공유 문제 이해와 EDA3
0
214
1
강의 중 에러 질문
0
739
1





