zcx6263

안녕하세요. 자세한 답변 너무 감사합니다!&nbsp;1번 답변 주신 부분에서 한가지 궁금한게 있습니다.spring boot에서 전처리 작업은 어렵다고 이해를 했고, 결국 모델을 학습 전 전처리 했던 것처럼 실제 데이터를 전처리 후 모델 predict를 통해 예측한다. 로 이해 했습니다.&nbsp;위 내용만 들었을 때, 어떻게 작업을 해야 할지..조금 감이 안 잡히는데요.(생성한 모델에 input 값을 넣어 주기 위한 별도의 api(전처리 과정을 해주기 위한)를 생성해야 할지..)혹시 참고할만한 링크나 키워드가 있을까요? &nbsp;

ML 모델 배포 질문

안녕하세요.아래 코드에서 eval_list 는 학습 데이터와 검증 데이터가 담겨 있고, evals 파라미터에 이를 추가했습니다.<pre class="hljs"><code># 학습 데이터 셋은 'train' 또는 평가 데이터 셋은 'eval' 로 명기합니다. 
eval_list = [(dtr,'train'),(dval,'eval')] # 또는 eval_list = [(dval,'eval')] 만 명기해도 무방. 

# 하이퍼 파라미터와 early stopping 파라미터를 train( ) 함수의 파라미터로 전달
xgb_model = xgb.train(params = params , dtrain=dtr , num_boost_round=num_rounds , \
 early_stopping_rounds=50, evals=eval_list )</code></pre>이를 실행하여 출력값을 확인해 보면 train-logloss는 계속 감소하고 있고, eval-logloss는 126번 부터 더 이상 감소하지 않습니다.evals 파라미터에 학습과 검증 데이터를 모두 넣었는데 한쪽만 감소하는 이유가 궁금했습니다!<pre class="hljs"><code>[126]	train-logloss:0.01973	eval-logloss:0.25587
[127]	train-logloss:0.01946	eval-logloss:0.25640
[128]	train-logloss:0.01927	eval-logloss:0.25685
[129]	train-logloss:0.01908	eval-logloss:0.25665
[130]	train-logloss:0.01886	eval-logloss:0.25712
[131]	train-logloss:0.01863	eval-logloss:0.25609
[132]	train-logloss:0.01839	eval-logloss:0.25649
[133]	train-logloss:0.01816	eval-logloss:0.25789
[134]	train-logloss:0.01802	eval-logloss:0.25811
[135]	train-logloss:0.01785	eval-logloss:0.25794
[136]	train-logloss:0.01763	eval-logloss:0.25876
[137]	train-logloss:0.01748	eval-logloss:0.25884
[138]	train-logloss:0.01732	eval-logloss:0.25867
[139]	train-logloss:0.01719	eval-logloss:0.25876
[140]	train-logloss:0.01696	eval-logloss:0.25987
[141]	train-logloss:0.01681	eval-logloss:0.25960
[142]	train-logloss:0.01669	eval-logloss:0.25982
[143]	train-logloss:0.01656	eval-logloss:0.25992
[144]	train-logloss:0.01638	eval-logloss:0.26035
[145]	train-logloss:0.01623	eval-logloss:0.26055
[146]	train-logloss:0.01606	eval-logloss:0.26092
[147]	train-logloss:0.01589	eval-logloss:0.26137
[148]	train-logloss:0.01572	eval-logloss:0.25999
[149]	train-logloss:0.01557	eval-logloss:0.26028
[150]	train-logloss:0.01546	eval-logloss:0.26048
[151]	train-logloss:0.01531	eval-logloss:0.26142
[152]	train-logloss:0.01515	eval-logloss:0.26188</code></pre>&nbsp;감사합니다.

zcx6263

投稿