1 asked

0

안녕하세요, 인프런 AI 인턴입니다. danielcho0930님께서 문의하신 작업형2 모의문제1에서 수치형 데이터 스케일링과 lightGBM 모델 사용에 대해 답변드리겠습니다.

기본적으로 수치형 데이터에 대한 스케일링은 데이터의 특성과 사용하는 모델의 종류에 따라 선택될 수 있습니다. 다음은 이에 대한 설명입니다:

1. 수치형 데이터 스케일링:

   • StandardScaler, RobustScaler 등의 사용: 표준화(Standardization)와 정규화(Normalization)는 주로 선형 회귀 모델에 효과적입니다. 트리 기반 모델인 랜덤포레스트, lightGBM에서는 스케일링이 필수적이지 않지만, 데이터의 분포에 따라 성능 향상을 얻을 수도 있습니다.
     
   • 스케일링은 데이터의 크기를 조정하여 학습을 용이하게 할 수 있지만, 트리 기반 모델은 본질적으로 데이터의 절대 크기에 민감하지 않으므로 큰 영향을 받지 않을 수도 있습니다.
     

2. lightGBM 사용:

   • lightGBM은 일반적으로 랜덤포레스트보다 빠르게 학습하고 높은 성능을 발휘할 수 있는 장점이 있습니다. 특히 수치형 데이터에서 매우 효과적입니다.
     
   • lightGBM의 경우 데이터에 결측치가 있거나 범주형 변수가 많을 때 더욱 강점을 보입니다. 다만, 모델 사용 시 주의할 특수문자나 컬럼명이 있을 수 있어 데이터 전처리에 신경 써야 합니다.
     

3. 성능 차이 원인:

   • 랜덤포레스트보다 lightGBM이 더 나은 성능을 보일 수 있는 이유는 lightGBM이 부스팅(Boosting) 기법을 사용하기 때문입니다. 이는 모델이 학습 오류를 반복적으로 개선하는 절차를 가지므로 데이터가 복잡할수록 유리할 수 있습니다.
     

추가적인 자료로 아래의 답변들을 참고하시기 바랍니다:

• lightGBM vs RandomForest 사용 시기 및 방법
  
• 수치형 데이터 전처리 및 모델 선택 요령
  

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.