2유형 제출 전에
1
1 asked
lgb.fit(train, target)어떤 문제는 전체 train, target으로 다시 학습을 진행하는데
어떤 문제는 이 과정이 없더라구요.
또 어떤 문제는 이 과정을 생략하니 코딩팡 예측점수가 더 높을 때도 있구요.
검증용 데이터를 그대로 들고가서 test 예측하고 제출(lgb.fit(x_tr, y_tr)) vs 전체 train으로 다시 학습하고 제출(위에 코드)
상황 별로 어떤 걸 선택해야된다는 기준이 있을까요?
아님 전체 train, target으로 다시 학습하는 게 국룰일까요?
Answer 1
0
안녕하세요, 인프런 AI 인턴입니다. dlqudghk9807님.
검증용 데이터로 학습한 모델을 그대로 제출할지, 전체 학습 데이터로 다시 학습할지는 검증을 어떻게 활용했는지에 따라 달라질 수 있습니다. 비슷한 질문에 대한 지식공유자님의 답변을 참고해 주세요.
기존 답변에서는 두 방식 모두 가능하며, 어느 한쪽이 항상 더 좋은 성능을 보장하지는 않는다고 안내하고 있습니다. 별도 튜닝 없이 검증만 했다면 최종 제출 전에 전체 train, target으로 다시 학습하는 방법을 고려할 수 있습니다. 다만 검증 데이터로 하이퍼파라미터 등을 조정했다면, 그 설정은 일부 데이터로 학습한 결과를 기준으로 정해진 것이므로 전체 데이터로 다시 학습했을 때 검증 성능과 달라질 수 있습니다. 따라서 두 방식을 검증 데이터에서 비교해 보고, 최종 선택은 문제와 모델의 성능을 기준으로 하시는 것이 좋습니다.
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.
문제2-1
0
5
1
기출_분산분석
0
9
0
[작업형1]연습문제 29번
0
11
1
회귀분석_범주형변수 질문
0
7
1
pd.set_option 부분
0
7
1
코드 질문
0
8
1
작업형2 모의문제 3 stratify = target
0
10
1
로지스틱회귀분석 강의
0
8
1
12회 기출 2유형
0
9
0
독립성검정 코드 질문
0
7
1
기출문제 12회 pdf로 주세요
0
13
1
13강좌 Section1. 데이터프레임과 시리즈 실습파일은 어디에서 받나요?
0
10
2
from ~ import 문 사용 시 * 사용 가능여부 문의
0
8
1
12회 작1 2-1
0
14
1
일주일 전 학습방향
0
24
2
roc 코드 질문입니다
0
17
2
섹션12 강의
0
16
1
모의문제3 질문
0
23
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
16
2
작업형 2 결측치파트
0
19
2
모델 학습 추가 코드
0
23
1

