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

5

장

모델 평가와 성능 향상

337

5.2

그리드 서치

앞에서 모델의 일반화 성능을 측정하는 법을 배웠고, 이제 다음 단계로 매개변수를 튜닝하여

일반화 성능을 개선하겠습니다.

2

장과

3

장에서

scikit

-

learn

의 여러 알고리즘의 매개변수 설

정에 대해 이야기했는데 매개변수를 조정하기 전에 그 매개변수의 의미를 이해하는 것이 중요

합니다. 모델에서 중요한 매개변수의 (일반화 성능을 최대로 높여주는 ) 값을 찾는 일은 어려

운 작업이지만, 모든 모델과 데이터셋에서 해야 하는 필수적인 일입니다. 많이 하는 작업이므

로

scikit

-

learn

에는 이를 위한 메서드가 준비되어 있습니다. 가장 널리 사용하는 방법은

그리드

서치

grid

search

로서 관심 있는 매개변수들을 대상으로 가능한 모든 조합을 시도해보는 것입니다.

SVC

파이썬 클래스에 구현된

RBF

radial

basis

function

커널

SVM

을 사용해보겠습니다.

2

장에서

본 것처럼 커널의 폭에 해당하는

gamma

와 규제 매개변수

C

가 중요합니다. 매개변수

C

와

gamma

에

0

.

001

,

0

.

01

,

0

.

1

,

1

,

10

,

100

값을 적용해보겠습니다.

C

와

gamma

의 설정값이

각각

6

개씩이니 조합의 수는 총

36

개입니다. 모든 조합을 살펴보기 위해

SVM

매개변수 설정

테이블(그리드 )을 다음처럼