스태킹 모델 생성 후 새로운 데이터에 적용 문의드립니다.

아하 그러면 스태킹에 베이스가 되는 xgb, lgbm 등의 모델만 먼저 준비 후, X_test를 제외한 값은 훈련에 사용했던 데이터를 그대로 넣어주면 되는거군요..!!감사합니다~ 혹시 강의에서 사용하셨던 hyperopt 모듈과는 별개로, optuna 라는 모듈도 사용해 보셨을까요? 목적함수를 거의 동일하게 설정 후, 하이퍼파라미터를 구해봤는데, 두 모듈이 서로 다른 값을 반환하더라구요.. 머신러닝 모델의 성능지표로 precision 점수를 사용하다고 했을 때, 목적함수의 roc_auc_list에 append되는 score를 auc_roc_score가 아닌 precision_score를 사용할 경우, 결과적으로 precision점수가 높은 모델을 생성할 수 있을까요?ex)score = precision_score(y_val, xgb_clf.predict(X_val),average="macro")

스태킹 모델 활용 문의드립니다.

답변 감사합니다, 책이나 강의 예시에서는 knn, rf, dt, ada 4가지 개별 분류 기법을 stacking 하는 방식으로 구현하셨는데,혹시 경연(대회) 등에서 정확도 향상 등을 목적으로 XGBoost와 LGBM, CatBoost와 같은 부스팅 알고리즘을 stacking 할 수도 있는걸까요???