| 항목 | 값 |
|---|---|
| 베이스 모델 | 직접 구현 (처음부터 학습) |
| 크기 · 변형 | RandomForestRegressor(n_estimators=300, random_state=42) |
| 리비전 | scikit-learn 1.9.0 (uv.lock 기준) |
| 아키텍처 | 깊이 제한 없는 회귀 트리 300개의 평균 |
| 학습 방식 | 처음부터 학습 |
| 프롬프트 · 에이전트 구성 | 해당 없음 |
선형 회귀 카드와 같은 데이터·분할·전처리입니다.
| 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 |
| 분할 | train 1,200 / test 300 (8:2, 시드 42) |
| 레이블·클래스 분포 | 7일 조회수 486 ~ 1,848,414 (왜도 7.74) |
| 전처리 | 결측 중앙값 대체, 1~99% 클리핑, Category 원-핫 |
| 개인정보·민감정보 처리 | 해당 없음 (가상 데이터) |
| 항목 | 값 |
|---|---|
| 하이퍼파라미터 | n_estimators=300, 그 외 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 |
| 시드 · 재현 방법 | train_test_split(test_size=0.2, random_state=42), 모델 random_state=42 |
test 300개 기준, 노트북 출력입니다.
| 지표 | 값 | 테스트셋 | 비교 대상 (선형 회귀) |
|---|---|---|---|
| R² | 0.788 | test 300 | 0.856 |
| MAE | 10,490 | test 300 | 13,424 |
| RMSE | 34,131 | test 300 | 28,081 |
측정 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) | - | - | - | - |
max_depth, min_samples_leaf) 조정, 큰 영상만 따로 오차 보기from sklearn.ensemble import RandomForestRegressor
rf_model = RandomForestRegressor(n_estimators=300, random_state=42)
rf_model.fit(X_train, y_train)
rf_pred = rf_model.predict(X_test)
print(f"mae: {mean_absolute_error(y_test, rf_pred)}")
print(f"rmse: {root_mean_squared_error(y_test, rf_pred)}")
print(f"r2score: {r2_score(y_test, rf_pred)}")mae: 10490.408566666667 rmse: 34131.04093053302 r2score: 0.787733723465766
굵은 이름이 이 모델입니다. 주황 테두리가 그룹 안 최고값입니다.