Upload Untitled.ipynb

Untitled.ipynb

@@ -0,0 +1,126 @@
+{
+ "cells": [
+  {
+   "cell_type": "code",
+   "execution_count": 1,
+   "id": "a914d431-18c5-4055-a09e-1262dfb48ff9",
+   "metadata": {
+    "execution": {
+     "iopub.execute_input": "2025-09-24T04:08:33.164002Z",
+     "iopub.status.busy": "2025-09-24T04:08:33.163761Z",
+     "iopub.status.idle": "2025-09-24T04:08:35.375599Z",
+     "shell.execute_reply": "2025-09-24T04:08:35.374666Z",
+     "shell.execute_reply.started": "2025-09-24T04:08:33.163978Z"
+    }
+   },
+   "outputs": [
+    {
+     "name": "stdout",
+     "output_type": "stream",
+     "text": [
+      "모델 학습이 완료되었습니다.\n",
+      "X (피처 데이터):\n",
+      "   age  income   city\n",
+      "0   25   50000  Seoul\n",
+      "1   34   75000  Busan\n",
+      "2   45  120000  Seoul\n",
+      "3   23   45000   Jeju\n",
+      "4   56   90000  Busan\n",
+      "\n",
+      "y (타겟 데이터):\n",
+      "[0 1 1 0 1]\n"
+     ]
+    }
+   ],
+   "source": [
+    "import pandas as pd\n",
+    "import numpy as np\n",
+    "import xgboost as xgb\n",
+    "\n",
+    "# 모델 정의 (제공된 모델 파라미터 사용)\n",
+    "model = xgb.XGBClassifier(\n",
+    "    device='cuda',\n",
+    "    tree_method='hist',\n",
+    "    enable_categorical=True,\n",
+    "    eval_metric='aucpr',\n",
+    "    objective='binary:logistic',\n",
+    "    max_depth=3,\n",
+    "    n_estimators=5\n",
+    ")\n",
+    "\n",
+    "# 1. 샘플 데이터 X 생성\n",
+    "# 숫자형(수치형) 피처 'age'와 'income'\n",
+    "# 범주형 피처 'city'를 포함합니다.\n",
+    "# enable_categorical=True 설정에 맞춰 'city' 열을 'category' dtype으로 지정합니다.\n",
+    "data = {\n",
+    "    'age': [25, 34, 45, 23, 56],\n",
+    "    'income': [50000, 75000, 120000, 45000, 90000],\n",
+    "    'city': ['Seoul', 'Busan', 'Seoul', 'Jeju', 'Busan']\n",
+    "}\n",
+    "X = pd.DataFrame(data)\n",
+    "X['city'] = X['city'].astype('category')\n",
+    "\n",
+    "# 2. 샘플 타겟 데이터 y 생성\n",
+    "# 이진 분류를 위한 레이블 (0 또는 1)\n",
+    "y = np.array([0, 1, 1, 0, 1])\n",
+    "\n",
+    "# 3. 모델 학습\n",
+    "# model.fit(X, y)를 사용하여 모델에 데이터 주입\n",
+    "model.fit(X, y)\n",
+    "\n",
+    "print(\"모델 학습이 완료되었습니다.\")\n",
+    "print(\"X (피처 데이터):\")\n",
+    "print(X)\n",
+    "print(\"\\ny (타겟 데이터):\")\n",
+    "print(y)"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 2,
+   "id": "08df20fd-1f32-42e6-839b-1301df4d9bfe",
+   "metadata": {
+    "execution": {
+     "iopub.execute_input": "2025-09-24T04:08:37.983399Z",
+     "iopub.status.busy": "2025-09-24T04:08:37.982660Z",
+     "iopub.status.idle": "2025-09-24T04:08:38.002455Z",
+     "shell.execute_reply": "2025-09-24T04:08:38.000715Z",
+     "shell.execute_reply.started": "2025-09-24T04:08:37.983337Z"
+    }
+   },
+   "outputs": [],
+   "source": [
+    "model.save_model('xgboost.json')"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "id": "d57d4529-1e88-4214-9efe-4633bd388f1a",
+   "metadata": {},
+   "outputs": [],
+   "source": []
+  }
+ ],
+ "metadata": {
+  "kernelspec": {
+   "display_name": "torch2.8.0-py3.12-cuda12.8",
+   "language": "python",
+   "name": "torch2.8.0-py3.12-cuda12.8"
+  },
+  "language_info": {
+   "codemirror_mode": {
+    "name": "ipython",
+    "version": 3
+   },
+   "file_extension": ".py",
+   "mimetype": "text/x-python",
+   "name": "python",
+   "nbconvert_exporter": "python",
+   "pygments_lexer": "ipython3",
+   "version": "3.12.3"
+  }
+ },
+ "nbformat": 4,
+ "nbformat_minor": 5
+}