start211120

1교시- 복습, qna 2교시 -일반화 / 과(대)적합/ 과소적합 일반화: 훈련 세트로 학습한 모델이 테스트 세트에 대해 정확히 예측하도록 하는것 가장 적절한 결과: " 일반화가 잘 되었다. " 테스트 세트가 높은 것. -> 일반화 성능이 최대화 되는 것 과(대)적합: 공을 설명하는데 축구공 케이스만 가지고 설명 농구공은 공이 아닌 것으로 판단해버림 너무 상세하고 복잡한 모델링 훈련 데이터에만 과도하게 정확하게 작동함 훈련세트에 너무 맞추어져 있어서 테스트 세트에서는 오히려 성능이 저하됨 과소적합: 둥근 것은 다 공이라고 설명 원, 바퀴 등등 모두 공이 되어버려서 판단을 할 수 없는 상태 모델링은 너무 간단하게 하여 성능이 제대로 나오지 않음. 훈련 세트를 충분히 반영하지 못해 훈련 세트, 테스트 세트 ..

Python 2022. 3. 10. 23:36

시각화 데이터에서 이상치, 결측치 수정하기 각각의 데이터를 직접 지정해서 잘못된 라벨 변경하기 알고리즘을 이용하여 이상치, 결측치 수정하기( 약 20시간 뒤 ) 훈련과 평가로 데이터를 나누는 이유 모델에게 학습(문제데이터, 정답데이터) 모델은 규칙을 찾는다 > 모델이 얼마나 정확한 규칙을 찾았는지는 모름 모델에게 예측(새로운데이터) > 잘 예측한건지 잘 못예측한건지 모름 훈련데이터 / 평가데이터를 나누는 이유 모델이 얼마나 규칙을 잘 찾았는지 확인하기 위함 X(문제) , y(정답) X_train(훈련용 문제) , y_train(훈련용 정답) , X_test(평가용 문제) , y_test(평가용 정답) 훈련용 데이터는 모델에게 학습을 시켜서 모델이 규칙을 찾는 용도로 사용 평가용 데이터중 X_test를 머..

Python 2022. 3. 10. 23:27