29번째 줄:
29번째 줄:
|훈련데이터와 테스트데이터 분리
|훈련데이터와 테스트데이터 분리
|귀찮은 일을 모듈이 해준다.
|귀찮은 일을 모듈이 해준다.
+
{| class="wikitable"
+
|+자주 사용하는 옵션
+
!의도
+
!설명
+
|-
+
|stratify=df['해당열']
+
|범주별 비율을 비슷하게 맞춰 데이터를 분리한다.
+
(원 데이터에서 하나의 범주만 너무 많거나 적은 경우 사용하여 비율을 지킨다.)
+
|}
|<syntaxhighlight lang="python">
|<syntaxhighlight lang="python">
from sklearn.model_selection import train_test_split
from sklearn.model_selection import train_test_split
58번째 줄:
67번째 줄:
!설명
!설명
|-
|-
−
|결측치 채우기
+
|DataFrame을 사용하는 경우
−
|<syntaxhighlight lang="python">
+
|[[결측치 다루기:pandas]] 문서를 참고하자.
−
from sklearn.impute import SimpleImputer
−
−
imputer = SimpleImputer()
−
imputed_train_X = pd.DataFrame(imputer.fit_transform(train_X)) # 학습용 자료에 결측치 채워넣기.
−
test_train_X = pd.DataFrame(imputer.transform(test_X)) # 테스트용 데이터에 결측치 채워넣기.(위에서 사용하는 메서드와 다르다. 무슨 차이일까..)
−
−
</syntaxhighlight>결측치를 채우는 것만으로도 정밀도가 올라가는 경우가 많다.
−
SimpleImputer(strategy='median')
|}
|}
= 모델 검증 =
= 모델 검증 =