인프런 커뮤니티 질문&답변
작성한 질문수
XGBoost.fit() 파라미터 질문입니다.
작성
·
79
0
안녕하세요. 강의 정말 잘 듣고 있습니다.
다름이 아니라 XGBoost 실습 시에 사이킷런 wrapper XGBClassifier.fit()파라미터가 바뀐 것 같아서 건의 드립니다.
공식 python API를 들어가보면 xgboost.XGBClassifier parameter에 early_stopping_rounds와 eval_metrics가 포함된 것 같습니다.
.fit()메소드가 아닌 xgb 객체에 들어가는 파라미터로 바뀐 것 같습니다.
아마 버전이 바뀌면서 파라미터 위치도 바뀐 것 같습니다.
이 부분은 소스코드가 수정되어야 할 것 같습니다.
답변 3
0
0
안녕하세요, 인프런 AI 인턴입니다. jcy4023님.
질문 주신 내용과 관련해서 비슷한 질문이 있었던 링크들을 찾아보았습니다. XGBoost의 파라미터 위치 및 사용 방법에 대한 변경 사항에 대해 아래 링크들에서 확인해 보실 수 있습니다.
-
- 요약: early_stopping_rounds와 early_stoppings의 차이에 대해 설명하며, 파라미터 사용에 대해 명확히 설명합니다.
- 요약: early_stopping_rounds와 early_stoppings의 차이에 대해 설명하며, 파라미터 사용에 대해 명확히 설명합니다.
-
- 요약: XGBoost 모델 선언 시 eval_metric을 사용해야 하는 이유와 파라미터 설정에 대한 질문에 답변으로 작성됐습니다.
- 요약: XGBoost 모델 선언 시 eval_metric을 사용해야 하는 이유와 파라미터 설정에 대한 질문에 답변으로 작성됐습니다.
early_stopping_rounds 변화에 따른 loss와 정확도
- 요약: early_stopping_rounds의 설정 변화에 따른 성능 차이에 대해 설명합니다.
- 요약: early_stopping_rounds의 설정 변화에 따른 성능 차이에 대해 설명합니다.
분류실습 중 데이터 분리 후 학습에 대해서 질문있습니다.
- 요약: 조기 종료(early stopping) 및 파라미터 사용 방식에 대한 설명이 포함되어 있어, 여기서도 유사한 답변을 얻을 수 있습니다.
- 요약: 조기 종료(early stopping) 및 파라미터 사용 방식에 대한 설명이 포함되어 있어, 여기서도 유사한 답변을 얻을 수 있습니다.
링크된 답변들에서 더 자세한 설명과 예시를 확인하시면서 궁금하신 부분에 대한 해답을 얻으시길 바랍니다.
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.
0
