머신러닝 파워드 애플리케이션: 아이디어에서부터 완성된 제품까지, 강력한 머신러닝 애플리케이션 구축 과정 배우기

174

3

부

모델 반복

델은 이메일의 내용을 완전히 무시하고 기존의 레이블을 외워버린 것입니다. 이런 예는 명백한

데이터 누수이며 특성 중요도를 확인해야만 찾을 수 있습니다.

5.4

마치며

이 장의 서두에서 지금까지 배운 모든 것을 바탕으로 초기 모델을 결정하는 기준을 다루었습니

다. 그다음 데이터를 여러 개의 하위 세트로 분할해야 하는 중요성과 데이터 누수를 피하기 위

한 방법을 설명했습니다.

초기 모델을 훈련한 후에 모델의 예측과 데이터를 비교하고 대조하는 여러 가지 방법을 찾아

모델이 얼마나 잘 동작하는지 분석했습니다. 마지막으로 특성 중요도를 출력하거나 블랙박스

설명 도구를 사용해 모델 자체를 조사함으로써 모델이 예측에 사용한 특성에 대한 직관을 얻었

습니다.

이제 모델 향상에 관한 직관을 얻었을 것입니다. 이 과정에서 드러난 문제를 해결하기 위해 머

신러닝 파이프라인을 디버깅하고 수정하는 방법을

6

장에서 자세히 알아보겠습니다.