먼저 기준 모델을 만들고, 어떤 항목이 결과에 가장 큰 영향…

누구나 볼 수 있는 공개 기록입니다. 읽기 전용.

사용자의 요구

먼저 기준 모델을 만들고, 어떤 항목이 결과에 가장 큰 영향을 주는지 설명해줘.

대화

1. ML 엔지니어 36,171행, 17개 항목을 읽었습니다. 답의 기준은 ‘정기예금가입’ 열로 잡았습니다. 아래에서 맞는지 확인해 주세요.
2. 질문한 사람 먼저 기준 모델을 만들고, 어떤 항목이 결과에 가장 큰 영향을 주는지 설명해줘.
3. ML 엔지니어 응답을 완료하지 못했습니다. 사용자 요구와 모델의 해석이 일치하는지 다시 확인해야 합니다. 학습은 시작하지 않았습니다. 학습은 시작하지 않았으며 아직 사용할 모델이 없습니다.
4. ML 엔지니어 등록 과제(bank-trial)의 조건에 맞춰 기준 분류 모델을 만들고 변수 중요도를 설명하는 계획을 세웠습니다. 정답 열은 정기예금가입, 지표는 balanced_accuracy, 허용 입력은 통화시간초를 제외한 15개 열입니다. 스키마에 시간 관련 열(마지막연락일, 마지막연락월)이 있어 시간 의존성 가능성이 있으나 지원 정책에 시간 분할이 없어 IID 가정을 사용합니다. 다음 행동은 이 결정을 DECISION.json에 기록하는 것입니다.
5. ML 엔지니어 첫 모델을 만듭니다. 여러 방법을 시험해 가장 나은 것을 고르고, 마지막에 처음 보는 데이터로 한 번 더 확인합니다.
6. ML 엔지니어 하네스 기본 후보를 시험했습니다. 균형 정확도 73.7%. 지금까지 가장 좋습니다. 최종 확인은 마지막에 처음 보는 데이터로 합니다.
7. ML 엔지니어 가장 좋은 후보로 마무리합니다. 에이전트의 마지막 판단을 확인할 수 없어 시험을 멈췄습니다. 비용 기록은 그대로 둡니다. 지금까지 가장 좋은 후보만 처음 보는 데이터로 최종 확인합니다.
8. ML 엔지니어 최종 확인을 마쳤습니다. 모델이 학습에 쓰지 않은 데이터에서 균형 정확도 73.1%입니다. 아래 보관된 모델 카드에서 이 결과로 예측을 시험해 볼 수 있습니다.