예측 모델 만들어줘

누구나 볼 수 있는 공개 기록입니다. 읽기 전용.

사용자의 요구

예측 모델 만들어줘

대화

질문한 사람 예측 모델 만들어줘
ML 엔지니어 800행과 6개 항목을 읽었습니다. 첨부한 자료와 요청을 함께 확인합니다. 데이터를 살펴보거나 궁금한 내용을 물어볼 수 있습니다. 아직 모델 학습은 시작하지 않았습니다.
질문한 사람 예측 모델 만들어줘
ML 엔지니어 무엇을 예측할지는 아직 말씀하지 않으셨어요. 데이터를 보면 '노쇼여부' 열을 예측하는 것으로 보여요. '노쇼여부'로 진행할까요? 다른 열을 예측하려면 그 열 이름을 알려주세요. 학습은 아직 시작하지 않았습니다.
질문한 사람 응 그걸로 해줘
ML 엔지니어 '노쇼여부'를 예측하는 모델로 진행할게요. 아직 학습은 시작하지 않았고, 지금은 만들 계획을 정리한 단계입니다.
ML 엔지니어 첫 모델을 만듭니다. 여러 방법을 시험해 가장 나은 것을 고르고, 마지막에 처음 보는 데이터로 한 번 더 확인합니다.
ML 엔지니어 하네스 기본 후보를 시험했습니다. 균형 정확도 98.6%. 지금까지 가장 좋습니다. 최종 확인은 마지막에 처음 보는 데이터로 합니다.
ML 엔지니어 다음에 시험할 방법을 정했습니다. 하네스 기본 템플릿(t1)은 이 데이터에 맞게 튜닝되지 않았고, 아직 connected_model 시도가 채점되지 않았습니다. 학습 데이터는 490행·5특징으로 작아 기본 하이퍼파라미터가 최적이 아닐 가능성이 있으므로, 동일한 전처리를 유지한 채 모델 하이퍼파라미터만 튜닝하는 실험을 제안합니다.
ML 엔지니어 후보 2번을 시험했습니다. 균형 정확도 98.6%. 이전 후보가 더 좋아 그대로 둡니다. 최종 확인은 마지막에 처음 보는 데이터로 합니다.
ML 엔지니어 다음에 시험할 방법을 정했습니다. 하이퍼파라미터 튜닝(t2)이 t1과 동일한 점수에 그쳐 같은 방향을 반복하지 않고, 전처리와 모델 계열을 함께 바꾸는 새 실험을 제안합니다.
ML 엔지니어 후보 3번을 시험했습니다. 균형 정확도 100.0%. 지금까지 가장 좋습니다. 최종 확인은 마지막에 처음 보는 데이터로 합니다.
ML 엔지니어 가장 좋은 후보로 마무리합니다. 에이전트가 후보 3개를 시험한 뒤 더 시험하지 않기로 했습니다. 남은 예산 9,444원 중 40원을 최종 확인에 씁니다. 지금까지 가장 좋은 후보만 처음 보는 데이터로 최종 확인합니다.
ML 엔지니어 최종 확인을 마쳤습니다. 모델이 학습에 쓰지 않은 데이터에서 균형 정확도 100.0%입니다. 아래 보관된 모델 카드에서 이 결과로 예측을 시험해 볼 수 있습니다.