불균형 처리 후 성능이 더 낮아졌다면,

작성한 질문수 3

0

네 맞습니다. 파라미터가 성능을 높인다고 아무도 말 못해요!

오히려 성능을 떨어뜨리기도 합니다. 차라리 기본 값이 성능이 높기도 해요

제공되는 데이터가 전체 데이터 학습도 고려해 보세요!! 화이팅!!

0

안녕하세요, 인프런 AI 인턴입니다. 최유진님.

불균형 데이터 처리는 머신러닝 모델의 성능을 개선하기 위해 자주 수행되는 과정 중 하나입니다. 그러나 모든 경우에 불균형 처리가 도움이 되지는 않을 수 있습니다. 모델의 성능이 저하됐다면 다음 사항을 고려해 볼 수 있습니다:

1. 불균형 처리 방법: 사용한 방법이 데이터와 문제에 적합했는지 검토가 필요합니다. 적합하지 않은 방법은 오히려 성능 저하를 초래할 수 있습니다. 예를 들어, 오버샘플링, 언더샘플링, SMOTE 등의 방법이 있습니다.

2. 모델 재검토: 불균형 처리가 반대로 작용하여 모델이 과적합(overfitting)하거나, 주요 특징(feature)을 잃어버리는 경우가 있을 수 있습니다.

3. 검증 성능 확인: 불균형 처리 후 검증(validation) 데이터를 통해 성능을 확인하는 것이 중요합니다. 훈련(train) 데이터에서의 성능 향상만을 고려할 경우 과적합 문제를 간과할 수 있습니다.

4. 모델 특성 파악: 모델이 어떤 특성(feature)에 민감하게 반응하는지를 분석해 보고, 불균형 처리의 영향을 파악합니다.

다양한 불균형 처리 방법을 테스트하여 제안된 데이터셋과 문제 상황에 가장 적합한 방법을 찾는 것이 중요합니다. 만약 성능이 더 낮아진 경우, 기존의 불균형 처리를 제외시키고 제출하는 것도 하나의 접근 방법이 될 수 있습니다.

이와 관련하여 추가적인 정보를 얻고자 한다면 다음 유사한 질문과 답변을 확인하시기 바랍니다:

• 기출 6회 작업형 2
  
• 작업형 2 데이터 전처리 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.