1. 학습
    2. /
  2. 강의
    3. /
  3. XGBoost로 익히는 Extreme Gradient Boosting
Connected

연습 문제

부스팅 라운드 수 튜닝하기

먼저, 파라미터 튜닝의 시작으로 부스팅 라운드 수(생성하는 트리 개수)가 XGBoost 모델의 홀드아웃 성능에 어떤 영향을 주는지 살펴보겠습니다. for 루프 안에서 xgb.cv()를 사용해 num_boost_round 값마다 하나의 모델을 학습할 거예요.

여기서는 Ames 주택 데이터셋을 계속 사용합니다. 특성은 배열 X에, 타깃 벡터는 y에 들어 있습니다.

지침

100 XP
  • X와 y로부터 housing_dmatrix라는 DMatrix를 생성하세요.
  • params라는 파라미터 딕셔너리를 만들고, 적절한 "objective"("reg:squarederror")와 "max_depth"(값은 3)을 설정하세요.
  • for 루프에서 num_rounds를 순회하며 3-겹 교차 검증을 수행하세요. 루프의 각 반복에서 현재 부스팅 라운드 수(curr_num_rounds)를 xgb.cv()의 num_boost_round 인수로 전달하세요.
  • 교차 검증된 각 XGBoost 모델의 마지막 부스팅 라운드 RMSE를 final_rmse_per_round 리스트에 추가하세요.
  • num_rounds와 final_rmse_per_round는 이미 zip으로 묶여 DataFrame으로 변환되어 있어, 라운드별 모델 성능을 쉽게 확인할 수 있어요. 결과를 보려면 'Submit Answer'를 눌러 주세요!