| 항목 | 값 |
|---|---|
| 베이스 모델 | 직접 구현 (처음부터 학습) |
| 크기 · 변형 | LinearRegression() 기본값 (가중치 21개 + 절편) |
| 리비전 | scikit-learn 1.9.0 (uv.lock 기준) |
| 아키텍처 | 입력 21열(숫자 13 + 카테고리 원-핫 8)의 선형 결합 |
| 학습 방식 | 처음부터 학습 (최소제곱) |
| 프롬프트 · 에이전트 구성 | 해당 없음 |
| 항목 | 값 |
|---|---|
| 확보 방식 | 공개 데이터셋 그대로 (수업 제공) |
| 출처 | 수업 자료 data/youtube_7day_views_regression_practice.csv |
| 직접 수집 내용 | 해당 없음 |
| 이용 조건 확인 | 해당 없음 (수업 자료) |
| 규모 | 1,500개 영상 × 16열 (ID, 카테고리, 구독자 수, 영상 길이, 업로드 시각·요일, 썸네일 점수, 제목 길이, CTR, 평균 시청률, 직전 업로드 후 일수, 협찬, 첫 24시간 조회·좋아요·댓글, 7일 조회수) |
| 분할 | train 1,200 / test 300 (8:2, 시드 42) |
| 레이블·클래스 분포 | 7일 조회수 486 ~ 1,848,414, 중앙값 27,886, 왜도 7.74 (오른쪽 꼬리가 긴 분포) |
| 전처리 | 결측(Thumbnail_Score 22, Avg_Watch_Percent 28)은 중앙값 대체. Channel_Subscribers, First24h_* 3열은 행을 지우지 않고 1~99% 분위수로 클리핑. Category 원-핫 8열. 스케일링 없음 |
| 개인정보·민감정보 처리 | 해당 없음 (가상 데이터) |
조회수와 상관이 큰 피처는 First24h_Likes 0.973, First24h_Views 0.973, Channel_Subscribers 0.905, First24h_Comments 0.807 순입니다 (노트북 출력).
| 항목 | 값 |
|---|---|
| 하이퍼파라미터 | 없음 (기본값) |
| 에폭 / 스텝 | 해당 없음 |
| 학습 시간 | [미확인] (노트북에 시간 측정이 없음) |
| 하드웨어 | CPU (scikit-learn). 장비 이름 [미확인] |
| 프레임워크 | scikit-learn 1.9.0, pandas 3.0.5, numpy 2.4.6 |
| 시드 · 재현 방법 | train_test_split(test_size=0.2, random_state=42) |
test 300개 기준, 노트북 출력입니다.
| 지표 | r1 (원래 스케일) | r2 (log1p 타깃) | 테스트셋 | 비교 대상 |
|---|---|---|---|---|
| R² | 0.856 | -8.83 | test 300 | Ridge 0.856, 랜덤 포레스트 0.788, 그래디언트 부스팅 0.807 |
| MAE | 13,424 | 48,951 | test 300 | Ridge 13,022, 랜덤 포레스트 10,490, 그래디언트 부스팅 9,802 |
| RMSE | 28,081 | 232,297 | test 300 | Ridge 28,069, 랜덤 포레스트 34,131, 그래디언트 부스팅 32,555 |
expm1(지수 함수)로 되돌릴 때 크게 부풀어 실패. 상위 5개 영상이 오차제곱합의 93.6%를 차지측정 안 함.
| 장비 | 장비 이름 | 배치 크기 | 지연 시간 (샘플당, p50 / p95) | 처리량 (샘플/초) | 메모리 사용 |
|---|---|---|---|---|---|
| CPU | [미확인] | - | 측정 안 함 | 측정 안 함 | 측정 안 함 |
| GPU | 해당 없음 (scikit-learn은 CPU 전용) | - | - | - | - |
같은 모델을 설정·분류기를 바꿔 2번 측정한 기록입니다. ★ r1이(가) 대표 결과(맨 위 수치)입니다.
| 실행 | 날짜 | 바뀐 점 | target | model | r2 | mae | rmse | 학습 시간 |
|---|---|---|---|---|---|---|---|---|
| ★ r1 원래 스케일 | 2026-08-27 | 기준: 조회수를 그대로 학습 | raw | LinearRegression | 85.6% | 13424 | 28081 | - |
| r2 log1p 타깃 | 2026-08-28 | 타깃을 log1p(조회수)로 바꿔 학습하고 expm1로 되돌려 평가 오차제곱합의 93.6%가 상위 5개 영상에서 나옴 (노트북 출력) | log1p | LinearRegression | -883.3% | 48951 | 232297 | - |
ill-conditioned matrix 경고가 난 것과 연결됨df['Thumbnail_Score'] = df['Thumbnail_Score'].fillna(df['Thumbnail_Score'].median())
df['Avg_Watch_Percent'] = df['Avg_Watch_Percent'].fillna(df['Avg_Watch_Percent'].median())
outlier_cols = ['Channel_Subscribers', 'First24h_Views', 'First24h_Likes', 'First24h_Comments']
for col in outlier_cols:
lower = df[col].quantile(0.01)
upper = df[col].quantile(0.99)
df[col] = df[col].clip(lower, upper)from sklearn.preprocessing import OneHotEncoder
encoder = OneHotEncoder(handle_unknown='ignore', sparse_output=False)
X_encoded = encoder.fit_transform(df[['Category']])
encoded_df = pd.DataFrame(X_encoded, columns=encoder.get_feature_names_out(['Category']))
df = df.drop(columns=['Video_ID', 'Category'])
df = pd.concat([df, encoded_df], axis=1)
X = df.drop(columns=['Seven_Day_Views'])
y = df["Seven_Day_Views"]
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
print(X_train.shape, X_test.shape)(1200, 21) (300, 21)
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_absolute_error, root_mean_squared_error, r2_score
model = LinearRegression()
model.fit(X_train, y_train)
pred = model.predict(X_test)
print(f"mae: {mean_absolute_error(y_test, pred)}")
print(f"rmse: {root_mean_squared_error(y_test, pred)}")
print(f"r2score: {r2_score(y_test, pred)}")mae: 13424.07833434806 rmse: 28080.873476833556 r2score: 0.8563177368381205
import numpy as np
y_train_log = np.log1p(y_train)
log_model = LinearRegression()
log_model.fit(X_train, y_train_log)
log_pred = np.expm1(log_model.predict(X_test))
print(f"mae: {mean_absolute_error(y_test, log_pred)}")
print(f"rmse: {root_mean_squared_error(y_test, log_pred)}")
print(f"r2score: {r2_score(y_test, log_pred)}")mae: 48950.97589049459 rmse: 232296.95978402696 r2score: -8.83261391215422
굵은 이름이 이 모델입니다. 주황 테두리가 그룹 안 최고값입니다.