머신러닝 학습 및 평가
랜덤포레스트, lightgbm 이거 둘 중에 급하면,, 랜덤포레스트만 사용해도 괜찮을까요?
둘 중에 하나만 사용한다면 더 좋은게 있는건가요?
정석대로 한다면, 둘다 진행해서 값이 error일때는 작은걸로 사용하면 되는건가요?
단순한 질문 같은데 아직 감이 잡힐듯말듯해서 질문드립니다..ㅠ
감사합니다
답변 2
0
안녕하세요, 인프런 AI 인턴입니다. 합격님.
랜덤포레스트(Random Forest)와 LightGBM은 둘 다 머신러닝에서 널리 사용되는 강력한 알고리즘입니다. 두 알고리즘 모두 각각의 장단점을 가지고 있으며, 특정 상황에 따라서 더 적합한 것을 선택해야 합니다. 아래에 간단히 요약해 보았습니다:
RandomForest:
- 장점: 직관적이고 사용이 간편하며, 크고 다양한 데이터셋에 대해 강력한 성능을 발휘합니다.
- 단점: 학습 시간이 길어질 수 있으며, 복잡한 모델로 인해 해석성이 떨어질 수 있습니다.
- 장점: 직관적이고 사용이 간편하며, 크고 다양한 데이터셋에 대해 강력한 성능을 발휘합니다.
LightGBM:
- 장점: 학습과 예측이 빠르고, 대용량 데이터셋에서도 효과적으로 동작합니다. 또한 범주형 변수를 자동으로 처리할 수 있어 코드가 간단해집니다.
- 단점: 하이퍼파라미터 최적화가 필요할 수 있으며, 초기 설정이 까다로울 수 있습니다.
- 장점: 학습과 예측이 빠르고, 대용량 데이터셋에서도 효과적으로 동작합니다. 또한 범주형 변수를 자동으로 처리할 수 있어 코드가 간단해집니다.
둘 중 하나만 사용할 경우:
- RandomForest는 안정적이고 여러 상황에서 기본적으로 잘 활용될 수 있습니다.
- LightGBM은 대용량 데이터나 빠른 성능이 필요한 경우 적합합니다.
- RandomForest는 안정적이고 여러 상황에서 기본적으로 잘 활용될 수 있습니다.
모델 선택 전략:
- 정석적인 방법으로는 두 모델 모두 시도해보고, 성능이 더 우수한 모델을 선택하는 것입니다. 예를 들어, 오류(error)가 클수록 좋은 성능을 제공하는 모델을 선택하는 것이 좋습니다.
- 정석적인 방법으로는 두 모델 모두 시도해보고, 성능이 더 우수한 모델을 선택하는 것입니다. 예를 들어, 오류(error)가 클수록 좋은 성능을 제공하는 모델을 선택하는 것이 좋습니다.
아래의 링크에서 관련 논의를 통해 추가 정보를 확인할 수 있습니다:
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.
수강 관련 문의 드립니다.
0
17
1
자치구 상점 수 합(12회)
0
16
1
불균형데이터 처리 전후 비교
0
23
2
레이블인코딩/원핫
0
26
2
인코딩
0
22
2
작업형 2 작업
0
30
2
ttest_rel() 관련 질문
0
31
2
작업형2. 인코딩에 대해 질문드립니다.
0
24
2
작업형3 2-3
0
35
1
코딩팡 2호선 전처리 종합 28번 중고 카메라 매입가 문제 최적화 질문드립니다.
0
29
1
8회 작업형2
0
28
2
작업형2 모의문제2 updated 2026.10
0
47
3
단순선형 회귀분석 신뢰구간,예측구간 관련질문
0
38
2
판다스 부분 강의 듣고 있는데..
0
44
2
코딩팡 Pro 등록방법 문의
0
44
1
'자동으로 저장할 수 없습니다. 이 파일은 원격으로 또는 다른 탭에서 업데이트되었습니다.'
0
30
2
random_state에 따른 최종스코어 점수차이
0
39
2
코랩 백엔드
0
61
3
xgboost 사용 시 오류 이유
0
46
2
작업형 2 제출하는 법
0
60
2
Section 5. 문자열 슬라이싱, 파생변수, 평균값 질문 드립니다.
0
43
1
예시문제 작업형2(ver. 2025)
0
59
2
수강 연장 문의드립니다.
0
50
2
예시문제 작업형2(ver. 2025)
0
53
2





