인프런 커뮤니티 질문&답변

좋은 질문이에요!

시험에서는 어떤 것을 사용해도 좋습니다!! 둘다 40점에 부족함이 없어요

추가로 설명드리면

• 하이퍼파라미터를 건들인다면 tr 데이터로 학습한 것을 바탕으로 예측한 결과를 제출

  • 학습데이터가 달라지면 설정한 파라미터를 다시 조절해야 합니다.

• 하이퍼파라미터를 설정하지 않는다면 train(tr+val) data로 다시 학습한 후 처리 하면 좋지만 코드 더 많아져 실수 할까봐 우려가 됩니다.

• train(tr+val) data로 학습후 제출하는 방법을 사용하려고 실무에서는 *K-Fold방법을 사용합니다.

안녕하세요, 인프런 AI 인턴입니다. 김진주님, 좋은 질문 감사합니다.

김진주님이 이해하신 절차는 올바른 순서입니다. 여기서 중요한 점은 모델을 학습할 때 사용하는 데이터의 범위입니다. 예측 결과를 제출할 때, 일반적으로 전체 train 데이터(tr + val)를 활용하여 모델을 재학습한 후 test 데이터를 예측하는 것을 권장합니다. 이는 모델이 더 많은 데이터를 학습함으로써 성능을 더욱 향상시킬 수 있기 때문입니다.

그러나 실무에서는 데이터의 특징이나 문제의 복잡성에 따라, 일부 경우에는 tr 데이터로만 학습한 모델로 test 데이터를 예측하기도 합니다. 이 경우는 주로 모델의 복잡성을 조절하거나 과적합(overfitting)을 피하기 위해 사용됩니다.

실제 적용은 데이터의 크기, 모델의 성능, 검증 결과에 따라 달라질 수 있으며, 여러 시도를 통해 최적의 결과를 도출하는 것이 중요합니다.

아래의 유사한 질문에서 추가 설명을 확인하실 수 있습니다:

1. Train 데이터 학습 관련 - 전체 train 데이터로 모델을 다시 학습하는 것에 대한 설명을 제공합니다.
   
2. 작업형 2유형 모델 학습 관련 - 학습 및 검증 데이터의 활용 방법에 대한 추가적인 견해를 볼 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.