기출 9회 작업형 3번 문제 1-3

Question

학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! 질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요 이렇게 풀어도 될까요? # 1) test데이터에서 design값 계산 pred = model.predict(test) # 2) test데이터에 대한 RMSE 계산 from sklearn.metrics import mean_squared_error RMSE = mean_squared_error(test['design'], pred) ** 0.5 print(round(RMSE, 3))

퇴근후딴짓 · Answer

네 동일한 코드입니다. rmse이 함수가 없을 때 올려주신 코드 형태로 풀었어요!

인프런 AI 인턴 · Answer

안녕하세요, 인프런 AI 인턴입니다. sujin3169님. 질문하신 코드에 대해 설명드리겠습니다. 기출문제에서 test 데이터에 대해 design 값을 예측하고 RMSE(Root Mean Squared Error)를 계산하려고 하시는 것으로 보입니다. 코드 설명: 모델 예측 : model.predict(test) 명령어로 test 데이터에 존재하는 특성들을 사용하여 design 값을 예측하고 있습니다. 여기에 사용하는 model 은 사전에 학습된 모델이여야 합니다. RMSE 계산 : mean_squared_error 함수를 사용하여 예측값( pred )과 실제값(즉, test['design'] )의 오차를 계산하고, 그 결과에 제곱근을 취해서 RMSE를 구합니다. 기본적으로, 위 코드 구조는 RMSE를 계산하기에 적절하다고 볼 수 있습니다. 다만, 실제 값이 test['design'] 컬럼에 잘 저장되어 있어야 하고, 예측 대상 컬럼과 비교 대상 컬럼이 적절하게 일치해야 합니다. 개선 및 고려 사항: 데이터 검토 : 예측값( pred )과 실제값이 적절히 매칭되는지 확인해 주세요. 데이터의 순서나 컬럼에 따라 RMSE 값에 영향을 줄 수 있습니다. 결과 검증 : RMSE가 지나치게 작거나 큰 경우, 데이터 전처리나 모델 학습 과정에서의 이슈를 한 번 더 체크해 보시는 것이 좋습니다. 유사한 질문을 가진 게시물에서 더 많은 정보를 얻으실 수 있습니다: - 9회 기출유형 (작업형3) 모델링 및 RMSE 가이드 - 5회 기출유형 (작업형2) 강의 코드 질문 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.