[머신러닝] 회귀예측 4 - 모델학습코드 : 리팩토링

 

오늘은 저번시간에 다뤘던 모델들을 한번에 학습시키도록 코드를 리팩토링 해보았다.

 

 

이전에 올린 포스트 중에서,

머신러닝 회귀예측 프로젝트를 다뤘었다.

 

https://jayindustry.tistory.com/27

[머신러닝/딥러닝] 스태킹 앙상블(Stacking Ensemble) 설명 및 실전코드

 

 

이 프로젝트에는 6가지의 모델들을 각각 학습시킨 코드가 있는데

다시보니,

 

 

코드가 너무 지저분하다 ...

 

내 코드에 중복된 코드가 너무 많고,

변수, 리스트 등의 저장공간을 너무 많이 잡아먹는것이 보였다.

그래서 코드의 가독성과 저장공간을 고려해, 1차 정제를 해보았다.

 

이 포스트에서는 각 모델들을 학습시키는 코드를 정제하였다.

 

[ 수정 전 코드 ]

모델 6가지를 각각 학습시켰다.

 

 

그렇다. 너무길다 

처음코드짤땐, "음 이런모델들이 있었지?"

하면서 하나씩 생각없이 추가했는데

결과를 놓고보니 스크롤내리는데 손가락이 아팠다...

 

 

 

[ 수정 후 코드 ]

 

[ 개념추가 enumerate ]

여기서 순번을 매기는 idx는

enumerate를 사용하여 (0, 'apple'), (1, 'banana'), (2, 'cherry')와 같은 튜플을 생성하며,

 

여기서는 for 루프에서 각 튜플은 idx와 (model_name, model)로 언패킹된다.

 

인덱스 시작 값을 변경하고 싶을 때 
start 파라미터 사용할 수 있다.

enumerate(model_dict.items(), start = 1)

이런식으로 말이다.

 

 

[ 결과 !!! ]

학습중...

 

결과물 : 딕셔너리

 

이렇게 학습중일때 어떤 모델들이 학습중인지 프린트되고,

결과물로는 { 내가 지정한 모델명 : 실제 학습에 사용된 모델명 }

이렇게 딕셔너리 형태로 한번에 저장하였다.

 

처음엔 이 리스트들을 각각 리스트로 저장했는데

이후에 앙상블 할 때 이 모델들을 불러오면서

쓸데없이 많은 변수와 리스트 저장공간을 쓰게 된다는 허점이 보였다.

 

그래서 아예 1차 정제시, 딕셔너리형태로 다 넣어버렸다.

이를 통해 낭비되는 저장공간을 아낄 수 있었다.

 

 

추후, 이 녀석들을 검증하고 앙상블하는데 쓰이는 코드 또한 리펙토링하여 포스팅할 예정이다 !