질문&답변
'기초 1'은 전체적으로 코드를 나열해 보았고, '기초2', '기초 3'은 #2_1, #2_2 & #3_1, #3_2 부분만(나머지 '기초 1'과 동일=>생략) 작성해 보았습니다. 주요 변경내용은 아래과 같습니다. 1. LightGBM 모델의 경우 #1 단계에서 특수문자 제거 코드 추가 2. #2 및 #3에서 model_rf, model_lg & p_rf, p_lg 로 변수명을 이원화(구분) 나름 맞게 추려낸 것 같지만 혹시 누락되거나 보완할 부분이 있는지 피드백을 요청 드립니다. (기존의 주석은 가독성 편의 상 필요한 부분만 남겼습니다.) 감사합니다.
질문&답변
[기초] 케이스3. 회귀, 모든 평가지표 * 변경사항 : 변수명 - model에서 model_rf, model_lg / p에서 p_rf, p_lg # 2_1. 머신러닝 학습 및 예측 (랜덤포레스트) from sklearn.ensemble import RandomForestRegressor model_rf = RandomForestRegressor() model_rf.fit(train, target) p_rf = model_rf.predict(test) # 2_2. 머신러닝 학습 및 예측 (LightGBM) import lightgbm as lgb model_lg = lgb.LGBMRegressor(random_state=0, verbose=-1) model_lg.fit(train, target) p_lg = model_lg.predict(test) # 3_1. 결과 파일 생성 (랜덤포레스트) submit = pd.DataFrame({'pred': p_rf}) submit.to_csv("result.csv", index=False) # 파일 생성 # 3_2. 결과 파일 생성 (LightGBM) submit = pd.DataFrame({'pred': p_lg}) submit.to_csv("result.csv", index=False) # 파일 생성 (※ 제출은 1개, 위 3_1과 택1)
질문&답변
[기초] 케이스2. 이진/다중 분류, ROC-AUC를 제외한 모든 평가지표(f1, accuracy 등) * 변경사항 : 변수명 - model에서 model_rf, model_lg / p에서 p_rf, p_lg # 2_1. 머신러닝 학습 및 예측 (랜덤포레스트) from sklearn.ensemble import RandomForestClassifier model_rf = RandomForestClassifier() model_rf.fit(train, target) p_rf = model_rf.predict(test) # 2_2. 머신러닝 학습 및 예측 (LightGBM) import lightgbm as lgb model_lg = lgb.LGBMClassifier(random_state=0, verbose=-1) model_lg.fit(train, target) p_lg = model_lg.predict(test) # 3_1. 결과 파일 생성 (랜덤포레스트) submit = pd.DataFrame({'pred': p_rf}) submit.to_csv("result.csv", index=False) # 파일 생성 # 3_2. 결과 파일 생성 (LightGBM) submit = pd.DataFrame({'pred': p_lg}) submit.to_csv("result.csv", index=False) # 파일 생성 (※ 제출은 1개, 위 3_1과 택1)
질문&답변
[기초] 케이스1. 이진 분류, ROC-AUC # 1. 데이터 전처리 (랜덤포레스트 / LightGBM 공통) target = train.pop('TravelInsurance') train = pd.get_dummies(train) test = pd.get_dummies(test) ## 랜덤 포레스트 모델 선택 시 미 사용 # (LightGBM용) 컬럼명 특수문자 제거 : / 공백 등 → LightGBM 에러 방지 train.columns = train.columns.str.replace(r'[^A-Za-z0-9_가-힣]', '', regex=True) test.columns = test.columns.str.replace(r'[^A-Za-z0-9_가-힣]', '', regex=True) ## 변수명 변경(model > model_rf, p > p_rf) # 2_1. 머신러닝 학습 및 예측 (랜덤포레스트) from sklearn.ensemble import RandomForestClassifier model_rf = RandomForestClassifier() model_rf.fit(train, target) p_rf = model_rf.predict_proba(test) # (ROC-AUC는 확률값) ## 변수명(model_lg, p_lg)로 이원화하여 구분이 용이하게 함.) # 2_2. 머신러닝 학습 및 예측 (LightGBM) import lightgbm as lgb model_lg = lgb.LGBMClassifier(random_state=0, verbose=-1) model_lg.fit(train, target) p_lg = model_lg.predict_proba(test) # (ROC-AUC는 확률값) ## 변수명 변경(model > model_rf, p > p_rf) # 3_1. 결과 파일 생성 (랜덤포레스트) submit = pd.DataFrame({'pred': p_rf[:, 1]}) submit.to_csv("result.csv", index=False) # 파일 생성 ## 변수명(model_lg, p_lg)로 이원화하여 구분이 용이하게 함.) # 3_2. 결과 파일 생성 (LightGBM) submit = pd.DataFrame({'pred': p_lg[:, 1]}) submit.to_csv("result.csv", index=False) # 파일 생성 (※ 제출은 1개, 위 3_1과 택1) # 체크 (샘플과 비슷한지 확인) print(submit.head())
질문&답변
안녕하세요. LightGBM 모델 관련 문의 입니다. 기존의 기초(1~3) 자료에는 랜덤 포레스트 모델로 예측하는 코드가 구현되어 있습니다. 다만, LightGBM으로도 예측하는 코드를 추가 가능하실까요? 추천(1~3) 코드에서 LightGBM 부분을 추출하여 기초 코드를 '# 2_1. 머신러닝 학습 및 예측(랜덤포레스트)' '# 2_2. 머신러닝 학습 및 예측(LightGBM)' '# 3_1. 결과 파일 생성(랜덤포레스트)' '# 3_2. 결과 파일 생성(LightGBM)' 이렇게 코드를 자체적으로 이식(?)하고 이원화하여 수정해보려고 했는데 재대로 한 게 맞는지 확신이 없어 문의드립니다ㅠㅠ
