파이썬 라이브러리를 활용한 머신러닝(번역개정판): 사이킷런 핵심 개발자가 쓴 머신러닝과 데이터 과학 실무서

5

장

모델 평가와 성능 향상

327

'train_score': array([0.95 , 0.967, 0.967, 0.975, 0.958])}

판다스를 사용하여 결괏값을 출력하고 평균을 계산해보겠습니다.

In [9]:

res_df = pd.DataFrame(res)

display(res_df)

print("평균 시간과 점수:\n", res_df.mean())

Out [9]:

fit_time score_time test_score train_score

0 7.06e-04 1.68e-04 1.00 0.95

1 6.08e-04 1.60e-04 0.97 0.97

2 1.05e-03 1.51e-04 0.93 0.97

3 6.80e-04 1.51e-04 0.90 0.97

4 6.43e-04 1.51e-04 1.00 0.96

평균 시간과 점수:

t_time 7.38e-04

score_time 1.56e-04

test_score 9.60e-01

train_score 9.63e-01

dtype: oat64

5.1.2

교차 검증의 장점

데이터를 훈련 세트와 테스트 세트로 한 번 나누는 것보다 교차 검증을 사용하면 몇 가지 장점

이 있습니다. 먼저

train

_

test

_

split

는 데이터를 무작위로 나눕니다. 데이터를 무작위로 나눌

때 운 좋게 훈련 세트에는 분류하기 어려운 샘플만 ...