소개
모델을 학습하는 방법은 완전히 자동화된 프로세스가 아닙니다. 학습 시 데이터에 무조건적으로 의존하면, 도움이 되지 않는 항목을 파악하거나, 실제로 유용하게 사용할 수 있는 항목을 파악하지 못할 수 있습니다. 다음 학습 자료에서는 과소 맞춤 및 과잉 맞춤이 발생하는 몇 가지 간단한 이유와, 이를 통해 할 수 있는 것을 보여줍니다.
시나리오: 눈사태 구조견 훈련
이 모듈 전체에 걸쳐, 다음 예시 시나리오를 사용하여 과소적합 및 과대적합을 설명합니다. 이 시나리오는 프로그래밍하는 과정에서 이러한 개념을 맞닥뜨리는 상황에 대한 예시를 제공합니다. 이러한 원칙은 여기에서 다루고 있는 것 뿐만 아니라 일반적으로 거의 모든 유형의 모델에 적용된다는 점에 유의하세요.
눈사태에 휩싸인 등산객을 찾는 새로운 개들을 훈련시킬 시간입니다. 어떤 개가 가장 적합할지에 대한 논쟁이 있습니다. 작은 개보다 큰 개가 더 우수한가요? 개들은 어려서 훈련을 받아야 하나요? 아니면 성장한 후에 훈련을 받아야 하나요? 다행히 최근 몇 년 동안 수행된 구조활동에 대한 통계를 볼 수 있습니다. 개를 훈련시키는 데 많은 비용이 들기 때문에 적합한 구조견 선발 기준이 필요합니다.
사전 요구 사항
- 기계 학습 모델 숙지
학습 목표
이 모듈에서 학습할 내용은 다음과 같습니다.
- 특성 정규화 정의
- 테스트 데이터 집합을 생성 및 사용합니다.
- 테스트 모델이 학습을 개선하거나 손상시키는 방법에 대해 설명합니다.