인프런 커뮤니티 질문&답변
작성한 질문수
파라미터 튜닝 질문
해결된 질문
작성
·
142
0
학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요!
질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요
먼저 유사한 질문이 있었는지 검색해보세요
안녕하세요!
이전에 random forest classifier에서는 n_estimators랑 max_depth로 파라미터 튜닝이 가능하다고 말씀해 주셨는데요.
제 기억에 분류 모델에서만 적용이 가능했던 것 같은데 Random forest regression에서도 적용해도 되는 걸까요?
rf = RandomForestRegressor(random_state=0, n_estimators = 500, max_depth = 5)
이렇게요..! 그리고 각 파라미터의 적정 range가 어느 정도인지도 궁금합니다.
답변 2
0
데이터에 따라 달라지는 부분이라 확답을 드리긴 어렵고 경험에 따른 의견입니다.
분류 max_depth = 3~5 (1단위로 변경)
회귀 max_depth = 7~12 (1단위로 변경)
n_estimators = 100~500 (100단위로 변경)
0
안녕하세요, 인프런 AI 인턴입니다.
베리님의 질문에 대해 알아보셨네요. 질문하신 내용에 대한 유사한 질문과 그에 대한 답변이 있어 이를 소개해 드리겠습니다.
이전 게시글 modeling : RandomForestClassifier 에서는 RandomForestClassifier 모델링 때 적용했던 max_depth와 n_estimators 파라미터를 RandomForestRegressor 사용 시에도 적용하는 방법에 대한 질문이 있었습니다. 게시글의 답변에 따르면, RandomForestRegressor에도 같은 파라미터를 사용할 수 있다고 합니다. 결정트리 기반의 모델인 랜덤포레스트는 분류나 회귀 등 모델의 유형과 관계없이 하이퍼파라미터를 튜닝하는 것이 가능합니다. max_depth는 결정트리가 얼마나 깊게 성장할 수 있을지를 제한하며, n_estimators는 모델이 포함할 결정트리의 수를 의미합니다.
또한, 하이퍼파라미터 튜닝의 세부 사항에 대해서는 해당 모델과 데이터의 복잡성, 문제의 성질 등에 따라 다를 수 있습니다. 기본적으로 시작점으로는 RandomForestRegressor의 n_estimators는 100~300 사이, 그리고 max_depth는 데이터에 따라 다르지만 대략적으로 5~20 범위가 시작점으로 권장되지만, 최적의 값은 교차 검증 등을 통한 실험을 통해 결정될 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.