1. 학습
    2. /
  2. 강의
    3. /
  3. Python으로 배우는 금융 분야 Machine Learning
Connected

연습 문제

Gradient Boosting 모델

이번에는 gradient boosting(GB) 모델을 학습해 보겠습니다. 흔히들 말하듯이, 선형 모델이 Toyota Camry라면 GB는 Black Hawk 헬리콥터에 비유합니다. GB는 경우에 따라 랜덤 포레스트보다 더 좋은 성능을 낼 수 있지만, 항상 그런 것은 아닙니다. 이를 무상점심 정리(no free lunch theorem)라고 하며, 문제마다 다양한 모델을 시도해야 한다는 뜻입니다.

GB는 랜덤 포레스트와 비슷하지만, 나무를 순차적으로 만든다는 점이 다릅니다. 각 반복(iteration)에서 다음 나무는 이전 나무의 잔차 오차를 학습해 적합도를 개선합니다.

이번에는 하이퍼파라미터 탐색을 하지 않겠습니다 — 이미 최적값이 제공되어 있습니다.

지침

100 XP
  • 미리 설정된 하이퍼파라미터로 GradientBoostingRegressor 객체를 만드세요.
  • gbr 모델을 train_features와 train_targets에 적합(fit)하세요.
  • 학습과 테스트의 features와 targets에 대한 점수를 출력하세요.