선착순! 지금 부트캠프 지원하고 인턴십 기회 얻기질문 지켜보기
머신러닝, 더 빠르고 정확하게정규화(Regularization)scikit-learn으로 과적합 문제 해결해 보기
Q
Lasso 파라미터 normalize 없어짐
+0
댓글 1개
시간순
베스트 댓글
2024년 4월 24일
정규화를 할 때 train_test_split을 선적용 한 후 scaler를 적용하면 train data set과 test data set에 동일한 normaliztion이 적용되지 않기 때문에 의도되지않은 aumentation이 발생하는 것 같습니다. 여기서는 test time augmentation을 의도하고 있지 않기 때문에 scaler를 X 전체에 선적용하고 split을 하는게 올바를 것 같습니다.
model = Lasso(alpha=0.001, max_iter=1000)
scaler = MinMaxScaler()
X_scale = scaler.fit_transform(X)
X_scale_train, X_scale_test, y_train, y_test = train_test_split(X_scale, y, test_size = 0.3, random_state=5)
model.fit(X_scale_train, y_train)
y_train_predict = model.predict(X_scale_train)
y_test_predict = model.predict(X_scale_test)
mse = mean_squared_error(y_train, y_train_predict)
print(sqrt(mse))
mse = mean_squared_error(y_test, y_test_predict)
print(sqrt(mse))
model = Lasso(alpha=0.001, max_iter=1000)
scaler = MinMaxScaler()
X_scale = scaler.fit_transform(X)
X_scale_train, X_scale_test, y_train, y_test = train_test_split(X_scale, y, test_size = 0.3, random_state=5)
model.fit(X_scale_train, y_train)
y_train_predict = model.predict(X_scale_train)
y_test_predict = model.predict(X_scale_test)
mse = mean_squared_error(y_train, y_train_predict)
print(sqrt(mse))
mse = mean_squared_error(y_test, y_test_predict)
print(sqrt(mse))
+0
A
1개의 답변이 있어요
댓글 3개