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

178

3

부

모델 반복

떻게 알 수 있을까요?

머신러닝에서 이 문제를 다루는 가장 좋은 방법은 점진적인 방식을 따르는 것입니다. 데이터

흐름부터 시작해서 훈련 능력, 마지막으로 일반화와 추론의 디버깅을 진행합니다. [그림

6

-

2

]

는 이 장에서 다룰 과정을 개략적으로 보여줍니다.

출력 훈련 타깃 테스트 출력

모델 모델 모델

처리 처리 처리

원시 데이터 훈련 데이터 테스트 데이터

1

데이터 흐름

데이터가 앞뒤로 흐릅니다.

2

훈련

모델이 훈련 데이터를 학습합니다.

3

일반화

본 적 없는 데이터에 모델을 적용합니다.

그림

6-2

파이프라인 디버깅 순서

세 단계를 이번 장에서 하나씩 자세히 살펴봅니다. 해결하기 어려운 버그를 만나면 이 계획에

있는 단계를 건너뛰고 싶을 수 있습니다. 하지만 거의 대부분의 경우, 이 원칙을 따르는 것이

오류를 발견하고 수정하는 가장 빠른 길입니다.

데이터 흐름을 검증하는 것부터 시작해보죠. 가장 간단한 방법은 매우 적은 양의 데이터를 선

택해서 파이프라인을 잘 통과하는지 확인하는 것입니다.

6.2

데이터 흐름 디버깅: 시각화와 테스트

첫 단계는 간단합니다. 데이터셋에서 작은 부분집합을 선택해 파이프라인에 통과시킵니다. 이

는 [그림

6

-

2

]에 있는 데이터 흐름 단계에 해당합니다. 몇 개의 샘플에서 파이프라인이 잘 동

179

6

장

머신러닝 문제 디버깅

작하는지 확인하고 ...