머신러닝을 위한 사이킷런 활용 팁 - 머신러닝 모델의 최적 파라미터 탐색

Model Selection API

 - Scikit-learn API

 - 최적의 머신러닝 모델 탐색

 - 모델 구성 및 학습에 필요한 다양한 API 제공(데이터 셋 분리, 교차 검증 분할 및 평가, 하이퍼 파라미터 튜닝, etc)

 

모델의 성능 개선 프로세스

만족할 만한 성능이 나올 때까지 학습, 검증, 개선 작업을 반복 수행

튜닝(개선) : Model 전체적인 구조에 대한 개선(하이퍼파라미터)과 Training 데이터셋의 전처리 방법에 대한 개선이 있다.

 

Hyperparameter(하이퍼파라미터)

 - 모델의 주요 구성요소

 - 모델을 구성하는 정보 중 데이터를 통해 학습할 수 없는 설정 정보

 - 값 조정을 통해 모델의 성능 개선

 - 모델의 검증 결과를 확인하며 사람이 조정해줘야 함

 - ex) Decision Tree의 최대 깊이, leaf node의 개수, 딥러닝 모델의 구조, etc..

 

GridSearch CV API

 - Scikit-learn API

 - 모델의 최적 하이퍼파라미터를 도출하는 API

 - param_grid 인자로 전달된 파라미터를 순차적으로 적용하여 학습 및 테스트