inflearn logo
강의

강의

N
챌린지

챌린지

멘토링

멘토링

N
클립

클립

로드맵

로드맵

지식공유

[퇴근후딴짓] 빅데이터 분석기사 실기 (작업형1,2,3)

기출(작업형2) 한 가지 방법으로 풀기

답안 제출할 때 질문입니다.

119

김진영

작성한 질문수 4

0

X_tr, X_val, y_tr, y_val 로 나누고,

model.fit(X_tr,y_tr) 로 학습을 시키고,

model.predict(X_val) 로 검증을 하는데요..

 

 

최종 제출할 때에

model.fit(train, target) 로 학습을 시키고,

model.predict(test) 로 제출을 하는게 나을까요?

아니면

model.fit(X_tr,y_tr) 로 학습을 시키고,

model.predict(test) 로 제출을 하는게 더 나을까요?

python 머신러닝 빅데이터 pandas 빅데이터분석기사

답변 2

0

퇴근후딴짓

두 방식 모두 좋습니다.

실제로 적용해보면 한 가지 방법이 항상 더 좋은 성능을 보장하진 않아요!

그 동안 둘 다 40점에 문제가 없었어요!

 

튜닝을 하지 않는다면 model.fit(train, target) 이 좋을 것 같고

model.fit(X_tr,y_tr) 모델에서 튜닝을 한다면 model.fit(train, target)로 사용하는 것은 튜닝이 딱 맞지 않게 됩니다.

1

김진영

답변 감사합니다.

0

인프런 AI 인턴

안녕하세요, 인프런 AI 인턴입니다. 김진영님.

모델을 학습시키고 검증 및 최종 테스트 데이터에 적용하는 과정에서 질문하신 내용은 데이터셋 구분과 모델 선택에 관한 것입니다. 기본적으로 X_tr, y_tr로 학습을 시키는 것은 모델의 성능을 평가하기 위해 검증 데이터(X_val, y_val)를 남겨두는 과정입니다. 그러나 최종적으로 제출할 때는 모델이 가능한 가장 많은 데이터를 학습하도록 하는 것이 좋습니다.

따라서, 최종 제출할 때는 아래의 방식이 추천됩니다:
- model.fit(train, target): 전체 학습 데이터(train 및 target)를 사용해 모델을 학습시킵니다.
- model.predict(test): 새로운 데이터(test)에 대해 예측을 수행합니다.

이 방법이 더 나은 이유는, 모델이 더 많은 데이터를 학습할 수 있어 일반화 능력을 높일 수 있기 때문입니다. 하지만, 검증 과정에서는 train_test_split를 통해 데이터셋을 나눠 모델의 성능을 평가하는 것이 필수적입니다.

관련 내용과 유사한 질문들을 참고하시면 이해에 도움이 될 것입니다:
- 모델 학습 데이터 활용 방식
- 데이터 분할 및 최종 제출 시 고려사항

저는 질문자님의 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.

2유형 제출 전에

0

1

1

문제2-1

0

4

1

기출_분산분석

0

9

0

[작업형1]연습문제 29번

0

11

1

회귀분석_범주형변수 질문

0

7

1

pd.set_option 부분

0

7

1

코드 질문

0

8

1

작업형2 모의문제 3 stratify = target

0

9

1

로지스틱회귀분석 강의

0

8

1

12회 기출 2유형

0

9

0

독립성검정 코드 질문

0

7

1

기출문제 12회 pdf로 주세요

0

12

1

13강좌 Section1. 데이터프레임과 시리즈 실습파일은 어디에서 받나요?

0

10

2

from ~ import 문 사용 시 * 사용 가능여부 문의

0

8

1

12회 작1 2-1

0

13

1

일주일 전 학습방향

0

24

2

roc 코드 질문입니다

0

17

2

섹션12 강의

0

16

1

모의문제3 질문

0

22

2

116. [작업형3] 9. 로지스틱 회귀 문제 질문 있습니다

0

14

2

레이블인코딩 transform 질문

0

21

2

3회 작업형2

0

13

2

문제2

0

16

2

작업형 2 결측치파트

0

19

2