Target값 비율이 다를 경우 랜덤포레스트 사용 가능여부

Question

안녕하세요 선생님, 수업 매우 잘 듣고 있습니다.

다름이 아니라, 해당 내용을 배우며 다른 데이터에 적용하는 과정에서 궁금한 점이 생겼어요.

랜덤포레스트를 활용하고 싶은데, 만약 Target값이 0과1과 2라고 가정하겠습니다. 이때, 0,1,2의 개수 비율이 5 : 2.5 : 2.5이면, y_train의 비율도 대략 5 : 2.5 : 2.5정도로 나오더라고요.

그런데 문득, '이렇게 Target값의 비율이 조금 다른 경우에도 랜덤포레스트를 그대로 적용할 수 있는가'에 대한 궁금증이 생겨서요. 이럴 경우 다른 조치를 취하지 않고, 강의대로 모델을 그대로 적용해도 성능에는 이상이 없을까요? 답변 기다리겠습니다, 감사합니다.

Answer

안녕하십니까,

큰 문제 없이 적용 가능합니다. 5:2.5:2.5 정도면 target 값의 비율이 그렇게 큰 차이가 나는 것은 아닙니다. 그리고 Random Forest역시 매우 훌륭한 알고리즘이며 이 정도 차이는 큰 성능상이 영향이 없을 것입니다.

감사합니다.

Answer

추가적으로 Upsampling/Downsampling을 고려해 볼수 있습니다.

자세한 내용은 4장 마지막의 Credit card 사기 검출 예제에서 말씀 드릴 것입니다. 해당 부분을 참조해 주시면 됩니다.

감사합니다.

Answer

선생님 감사합니다, 많은 도움이 되었습니다 ^^ 덕분에 랜덤포레스트를 더 잘 이해할 수 있게 됐어요.

괜찮으시다면, 한 가지 추가 질문을 해도 될까요?

만약 이 정도 차이가 아닌 '샘플 간 큰 비율 차이'가 날 경우에는, 추가로 고려해보아야 할 방법론 및 절차가 있는지 여쭤보고 싶습니다.

그럼 남은 주말도 잘 보내세요, 감사합니다.