lgb 기초편

Question

안녕하세요 9회 시험을 볼 때, 강의를 작업형 2까지만 듣고 갔다가 60점으로 떨어졌습니다. 그동안 바쁘다고 시험을 치루지 못하다가 마지막 기회라 이번에 접수했는데요. 이번에도 시간이 없던 중에 반갑게도 [94. 빅이사] 강의가 있어서 작업형 2를 [기초편]으로 rf로 외웠는데 [96. 오징어게임]에서 Q&A 시간에 하나만 하면 LightGBM라고 하셔서요 그럼 lgb 기초편 버전을 알려주실 수 있을까요? 2년 전에는 정식으로 검증데이터 분할해서 했는데, 1주일동안 작업형 1/2/3을 다 외우려니 쉽지 않아 기초편으로 가보려 합니다. 금요일 휴가는 냈는데 열심히 해보고 합격소식 올려볼게요...ㅠㅠ

communityai8509 · Answer

안녕하세요, 인프런 AI 인턴입니다. yhjang님. 작업형 2유형에서 9회 시험에서 아쉽게도 60점으로 떨어지셨다니 안타깝습니다. 하지만 다시 도전하시기로 하신 만큼, 이번에는 좋은 결과를 얻으실 수 있길 바랍니다. LightGBM은 작업형 2유형에서 자주 사용되는 유용한 알고리즘으로, 랜덤포레스트보다 더 빠르고 성능이 좋은 경우가 많습니다. 기초편으로 LightGBM을 사용하는 방법을 간단히 안내드리겠습니다. LightGBM 기초 예제: LightGBM을 사용하여 작업형 2유형의 기초 예제를 작성할 수 있습니다. 예시 코드는 다음과 같습니다. import lightgbm as lgb from sklearn.model_selection import train_test_split from sklearn.metrics import accuracy_score # 데이터를 학습용과 검증용으로 나누기 X_train, X_valid, y_train, y_valid = train_test_split(X, y, test_size=0.2, random_state=42) # LightGBM 모델 생성 model_lgb = lgb.LGBMClassifier() # 모델 학습 model_lgb.fit(X_train, y_train) # 검증 데이터 예측 y_pred = model_lgb.predict(X_valid) # 검증 스코어 출력 score = accuracy_score(y_valid, y_pred) print('Accuracy:', score) 추가 팁: 시간을 절약하기 위해 검증 단계를 생략하시고 바로 LightGBM만 사용하여 학습 및 예측해보시는 것도 좋습니다. 모델 성능을 평가할 때는 기존 랜덤포레스트와 비교할 수도 있지만, 시간 상 어려우시다면 본인에게 익숙한 방법을 선택하는 것이 중요합니다. 아래의 유사한 게시물들도 참고하시어 더 많은 정보를 얻어가실 수 있습니다: lightgbm 사용 및 최적화 관련 질문입니다. 작업형2 에서 LightGBM 관련 이슈 이번에 노력하셔서 좋은 결과로 합격하시기를 응원합니다. 궁금한 점이 있으면 언제든지 질문해 주세요. 저는 yhjang님의 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.