Build your ultimate AI agent
코스 설명
지도 학습의 기초를 알고 있고, 실제 데이터셋에 최신 모델을 적용해 보고 싶으신가요? Gradient boosting은 현재 크고 작은 표 형식(tabular) 데이터셋을 효율적으로 모델링하는 데 가장 인기 있는 기법 중 하나입니다. XGBoost는 gradient boosting을 매우 빠르고 확장 가능하게 구현한 라이브러리로, XGBoost를 활용한 모델은 온라인 데이터 사이언스 대회에서 꾸준히 우승하고 다양한 산업 현장에서 대규모로 사용되고 있어요. 이 강의에서는 pandas와 scikit-learn과 함께 이 강력한 라이브러리를 사용해 지도 학습 모델을 구축하고 튜닝하는 방법을 배웁니다. 실제 데이터셋을 다루며 분류와 회귀 문제를 해결해 볼 거예요.
사전 요구 사항
커리큘럼
코스 개요
1
XGBoost로 하는 분류
이 장에서는 XGBoost의 핵심 개념인 부스티드 러너(boosted learner)를 소개합니다. XGBoost의 동작 원리를 이해한 뒤, 업계에서 흔한 분류 문제인 고객 이탈 여부 예측에 XGBoost를 적용해 봅니다.
2
XGBoost로 하는 회귀
지도 학습 회귀를 간단히 복습한 후, 아이오와 주 에임스(Ames)의 주택 가격을 예측하는 회귀 과제에 XGBoost를 적용합니다. XGBoost가 약한 학습기(weak learner)로 사용할 수 있는 두 가지 기본 학습기(base learner)를 살펴보고, 회귀 모델의 성능을 평가하는 방법을 복습합니다.
3
XGBoost 모델 미세 조정
이 장에서는 XGBoost 모델의 성능을 최대한 끌어올리는 방법을 배웁니다. XGBoost의 동작을 바꿀 수 있는 다양한 하이퍼파라미터를 익히고, 이를 효율적으로 튜닝해 모델 성능을 강화하는 방법을 알아봅니다.
4
파이프라인에서 XGBoost 활용
두 개의 End-to-End Machine Learning 파이프라인에 모델을 통합해 XGBoost 활용 능력을 한 단계 높입니다. 파이프라인 안에서 가장 중요한 XGBoost 하이퍼파라미터를 효율적으로 튜닝하는 방법을 배우고, 더 발전된 전처리 기법도 간단히 소개합니다.
XGBoost로 익히는 Extreme Gradient Boosting
코스
완료
