하이퍼파라미터 튜닝 방법 정리

개요

이 노트는 지방세 세수 예측 모델의 하이퍼파라미터를 튜닝하는 방법에 대해 설명합니다.

하이퍼파라미터

• lstm_units: LSTM 레이어의 유닛 수
• batch_size: 배치 크기
• epochs: 학습 에포크 수
• patience: 조기 종료(early stopping)를 위한 대기 에포크 수
• learning_rate: 학습률

튜닝 방법

• models/params.xlsx 파일에 정의된 하이퍼파라미터 조합을 사용하여 모델을 학습하고 평가합니다.
• create_params_comb.py 스크립트를 사용하여 다양한 하이퍼파라미터 조합을 생성할 수 있습니다.
• 각 하이퍼파라미터 조합에 대한 모델의 성능을 평가하여 최적의 조합을 찾습니다.

평가 지표

• MAPE (Mean Absolute Percentage Error): 평균 절대 백분율 오차
• RMSE (Root Mean Squared Error): 평균 제곱근 오차

추가 정보

• 하이퍼파라미터 튜닝에 대한 자세한 내용은 Hyperparameter optimization를 참고하세요.