데이터 준비하기 위해, csv 파일을 불러오고, input, target 데이터를 지정한다.
데이터 전처리를 진행하고 SGDClassifier객체를 생성하되, loss='log_loss', 10epoch만큼 진행합니다.
partial_fit()은 1 epoch씩 이어서 훈련할 수 있습니다.
정확도가 향상되었습니다.
- 에포크의 과대 / 과소적합
클래스의 객체로 모델을 만들고, 300epoch 진행하는 동안 train_score, test_score의 그래프를 그려보았습니다.
top 매개변수는 향상될 최솟값을 지정합니다. None으로 지정하는 경우 자동으로 멈추지 않고 max_iter만큼 반복합니다.
- 단어
- 확률적 경사 하강법
- 손실 함수
- 에포크
- SGDClassifier
'DATA & AI > HG ML&DL' 카테고리의 다른 글
| [HG ML&DL] 05. 트리 알고리즘 (2) - 교차 검증과 그리드 서치 (0) | 2023.05.02 |
|---|---|
| [HG ML&DL] 05. 트리 알고리즘 (1) - 결정 트리 (0) | 2023.05.02 |
| [HG ML&DL] 04. 다양한 분류 알고리즘 (1) - 로지스틱 회귀 (0) | 2023.05.01 |
| [HG ML&DL] 03. 회귀 알고리즘과 모델 규제 (3) - 특성 공학과 규제 (0) | 2023.05.01 |
| [HG ML&DL] 03. 회귀 알고리즘과 모델 규제 (2) - 선형 회귀 (0) | 2023.05.01 |
