캐글 집값예측

lightgbm, xgboost, ridge, svr, gbr, rf 모델들을 셋업해줍니다.셋업된 모델들을 StackingCVRegressor을 통해 스태킹해줍니다. 스태킹은 여러 다른 머신 러닝 모델의 예측 결과를 결합하여 최종 예측을 만들어내는 앙상블 기법입니다.각

RMSE를 이용해 예측한 집값과 실제 집값의 오차를 계산하여 성능 평가를 진행합니다. 이때 RMSE가 낮을 수록 성능이 좋다는 것을 의미합니다.target data인 SalePrice가 어떻게 분포하고 있는지를 파악해줍니다.오른쪽으로 길게 꼬리를 갖는 것을 확인할 수

스태킹과정스태킹은 여러 모델들이 학습한 데이터를 통해 도출된 예측 데이터를 쌓아서 합쳐주고 그것을 다시 메타 모델에 학습시켜 최종적인 예측값을 도출해주는 원리입니다.코드에 나와있는 6가지 모델들을 사용하였고 메타 모델로는 xgboost를 이용하였습니다.scores 설명