답안 제출할 때 질문입니다.
119
작성한 질문수 4
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?
답변 2
0
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.
0
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





