모델을 조합하여 성능 높이기: 하

개요

이번 프로젝트에서는 평균 앙상블 및 KFold 앙상블에 대해 학습합니다. 앙상블 기법은 여러 모델을 결합하여 더 나은 예측 성능을 얻기 위한 방법으로, 다양한 분야에서 높은 성능을 발휘하는 것으로 알려져 있습니다. 이 프로젝트에서는 시드 앙상블, KFold 교차 검증, 평균 앙상블, 가중 평균 앙상블 등의 앙상블 기법을 학습하고, 이를 데이터에 적용하여 예측 성능을 향상시키는 과정을 진행합니다.

이 교재를 통해 앙상블 기법의 기본 개념을 이해하고, 각 기법의 구현 방법과 장단점을 배울 수 있습니다. 또한, 실제 경진대회 수상자들의 코드를 분석하고 이를 바탕으로 실습을 통해 앙상블 기법을 직접 구현해 봄으로써 실전 능력을 키울 수 있습니다.

학습 목표

1. 평균 앙상블 및 가중 평균 앙상블 이해 및 구현

평균 앙상블과 가중 평균 앙상블의 개념을 이해하고, 이를 실제 코드로 구현할 수 있다.

2. 시드 앙상블 이해 및 구현

시드 앙상블의 개념을 이해하고, 이를 바탕으로 모델을 학습하고 예측할 수 있다.

3. KFold 교차 검증 이해 및 구현

KFold 교차 검증의 개념과 이를 사용한 앙상블 방법을 사용할 수 있다.

4. 수상자 코드 분석 및 적용

경진대회 수상자의 코드를 분석하여 어떤 앙상블 방법을 사용하였는지 이해하고, 이를 자신의 코드에 적용할 수 있다.

필수 선행 학습 📖

모델을 조합하여 성능 높이기: 상