안녕하세요. 이 문제는 데이터 자체가 어려운 편이라 모델만 조금 바꿔서는 크게 줄지 않습니다. 시험에서는 여기까지 요구하지 않으니 지금 코드로도 충분하다고 봅니다. 첫째, 데이터 문제입니다. test에만 있는 브랜드가 두 개 있어서 train에서 배우지 못한 값이 섞여 있습니다. 셔터 횟수의 '?'도 train과 test 모두에 있는데, 이 결측 자체가 가격과 관련된 정보일 수 있습니다. 그래서 중앙값으로 채우면 이 정보가 빠져서 정확도가 떨어지는 것으로 보입니다. 결측값은 항상 어떤 것이 좋을 수 없어, 이것 저것 대입 후 비교가 필요해요 둘째, 그래도 더 낮추고 싶다면 가격을 로그로 변환해서 학습해 보세요. 가격처럼 한쪽으로 치우친 데이터에서는 도움이 되는 경우가 많습니다. 다만 항상 좋아지는 건 아니라서 모델별로 검증 점수를 비교한 뒤에 쓰는 것이 좋습니다. 사이트에서 확인해 보니 부스팅 모델은 좋아졌고 랜덤포레스트는 나빠졌습니다. 셋째, 전체데이터를 학습하는 방법 작성한대로 전체 데이터를 학습하는 방법이 있습니다.
네, 레이블 인코딩도 좋습니다. 실제 시험 기출에서 ID가 숫자가 아닌 문자인 경우는 없었어요. 다소 기출이 너무 동일하게 반복되다보니 임의로 ID를 문자로 변경했습니다. 숫자로 된 경우는 별도 인코딩이 필요 없는 점 참고 부탁드릴게요! 방법은 평가 지표를 기준으로 판단하는 부분만 이해하시면 의사결정하기 좋습니다. 합격 응원합니다!
# 예를 들어 MSE 평가 지표라고 한다면 # 검증: 예측값과 정답을 모두 원래 스케일로 되돌린 뒤 평가 pred_val = np.expm1(model.predict(X_val)) rmse = mean_squared_error(np.expm1(y_val), pred_val) print('RMSE:', rmse) # test 예측도 반드시 원래 스케일로 복원해서 제출 pred = np.expm1(model.predict(test))
네! 별도 처리 없이 진행하셔도 됩니다. 문제에서 이상치라고 명시하지 않았고 도메인 지식도 없어서, 10000 같은 값이 실제 데이터인지 판단할 근거가 없어요. 또 test에도 비슷한 값이 있을 수 있는데 test 행은 삭제할 수 없으니, train에서만 지우면 오히려 그런 값을 예측하지 못하게 될 수도 있습니다. 만약 코딩이 익숙하시다면 로그 변환을 추천합니다 실제로 치우친 데이터에서 많이 쓰는 방식이에요 np.log1p() 로 target을 변환해 학습하고 np.expm1() 로 되돌리는 방법
이 세팅 옵션 사용할 수 있어요. 작업형2에서도 필요해요 pd . set_option ( 'display.max_columns' , None ) # 열 생략 안 함 추가적으로 행을 모두 볼 때 pd . set_option ( 'display.max_rows' , None ) # 행 생략 안 함 다만 이렇게 설정하면 print ( df . head ( 20 )) # 앞 20행 로 잘라서 확인해주세요 또는 컬럼명을 알면 df['컬럼명']
유나님, 안녕하세요! 판다스 함수를 한 번에 다 외우는 건 현실적으로 어려워요. 차분히 공부할 수 있는 상황이라면 함수 하나하나 이해하면서 넘어가는 게 좋지만, 지금은 2주 뒤에 시험이 있으니까 방법을 조금 바꿔보면 좋겠어요. 우선 진도를 빠르게 나가고, 문제를 풀면서 모르는 함수가 나오면 그때그때 사용법을 확인해 보세요. 같은 함수를 여러 문제에서 반복해서 보다 보면 자연스럽게 손에 익게 됩니다. 😊 이론 학습 + 문제 풀이 동시 진행이 필요해요 화이팅입니다!!
깔끔한 해결은 재부팅 한번 하면 가장 깔끔합니다. 원인은 대개 다음 중 하나입니다. 1. 같은 노트북을 여러 탭(또는 기기)에서 열어둔 경우 -> 가능성 높음 가장 흔한 원인입니다. 다른 탭이나 다른 컴퓨터에서 같은 노트북이 열려 있으면 Colab이 저장 충돌로 판단합니다. → 다른 탭을 모두 닫고 현재 탭을 새로고침하세요. 2. 공유받은 원본 노트북을 그대로 쓰고 있는 경우 다른 사람이 공유한 노트북(또는 GitHub에서 연 노트북)은 원본이 수정되거나, 내게 편집 권한이 없어서 자동 저장이 안 될 수 있습니다. → 파일 → 드라이브에 사본 저장 으로 내 드라이브에 복사한 뒤, 그 사본으로 공부하시는 걸 추천합니다. 이후로는 이 메시지가 거의 뜨지 않습니다.
권장하는 방식은 아닙니다만 Random_state는 2~3번 정도만 바꿔서 확인해보고, 그 이상 바꿔가며 점수를 비교하는 건 추천하지 않습니다. 점수가 달라진 이유 차이가 크게 난 건 주로 검증데이터를 분리할 때(train_test_split)의 random_state 때문입니다. random_state가 바뀌면 어떤 데이터가 검증셋에 들어가는지가 달라집니다. 그래서 0.744와 0.799는 같은 문제를 다르게 푼 점수가 아니라, 서로 다른 문제지로 시험을 본 점수에 가깝습니다. 모델 성능이 좋아졌다기보다 검증셋에 상대적으로 쉬운 데이터가 뽑혔을 가능성이 큽니다. 그래서 최종 예측할 때는 검증 점수에 매달리기보다 차라리 전체 train 데이터로 학습하는 것을 권장합니다. 모델의 random_state 시험 데이터는 크기가 작아서 모델의 random_state를 바꾸면 점수가 약간 달라질 수는 있습니다. 2~3번 정도만 바꿔서 확인해보고 제출하세요. 10번 이상 돌려가며 점수를 비교하는 건 하지 마시고요!
