편집
1,408
번
바뀜
둘러보기로 가기
검색하러 가기
29번째 줄:
29번째 줄: + + + + + + + + + 58번째 줄:
67번째 줄: − + − + − 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')
→기초 사용법
|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
!설명
!설명
|-
|-
|결측치 채우기
|DataFrame을 사용하는 경우
|<syntaxhighlight lang="python">
|[[결측치 다루기:pandas]] 문서를 참고하자.
|}
|}
= 모델 검증 =
= 모델 검증 =