1. 머신러닝 프로젝트 수행하는 절차
2. 좋은 평가란?
- 나타날 수 있는 모델의 나쁜 예시
- 실제 서비스에 들어오는 데이터 =/= 학습된 데이터면 모델이 잘 작동되지 않을 수 있음
- 모델이 잘 학습을 못해서 실제 서비스에 들어오는 데이터가 학습된 데이터와 유사하더라도 원하는 결과값이 안나올 수 있음
→ 모델의 성능을 평가하기 위해 테스트 데이터셋이 중요하다.
3. 정성평가와 정량평가
- 원래는 예측값과 실제값을 비교해서 모델의 성능을 알아봄
- 다만, 문자열과 같이 평가가 애매한 부분도 분명히 존재
→ 이렇듯 채점이 애매한 경우는 정성평가를 함
Ex. 입력된 한국어 문장을 보고 예측된 영어 문장에 대해 번역 정확도 채점
- 평가하는 사람에 의한 편차 존재
- 사람이 평가하기 때문에 시간 오래걸리고 비용도 비쌈
- 단, 사람이 진행하기 때문에 가장 정확함
→ 이런 정성평가의 단점을 보완하기 위해 정량평가도 함께 진행됨