Regularization1 KT AIVLE School 4주차 정리 - Regularization 불필요한 x (변수, feature) 의 가중치를 규제를 통해 조절해주어 성능을 향상시키는 방법입니다! 중요한 x 만 가중치를 주도록 하게 됩니다. 학습 성능 : model.score(x_train, y_train) 평가 성능 : model.score(x_test, y_test) Linear Regression x 값이 많아지면 모델이 복잡해져서 학습성능은 높으나 평가성능은 낮은 과적합이 발생할 수 있다. Ridge, RidgeCV Linear Regression의 과적합을 막기 위해 가중치의 크기를 줄이면서 제어 가능 줄이는 방법은 알파값을 조절, 불필요한 가중치를 0으로 바꾸지 않음. RidgeCV를 통해 최선의 알파값을 찾아서 과적합을 줄여서 평가성능을 높임 Lasso, LassoCV 필요없는 가중.. 2023. 2. 27. 이전 1 다음
