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

262

4

부

배포와 모니터링

# 에러가 발생하지 않았다면 모델 출력을 반환합니다.

return model_output

모델이 실패하면 앞에서 본 것처럼 경험 규칙으로 대신하거나 이전에 만든 간단한 버전의 모델

을 실행할 수 있습니다. 다른 모델은 이 에러에 관련되어 있지 않을 수 있기 때문에 초기 모델

을 시도하는 것은 가치가 있습니다.

[그림

10

-

3

]의 작은 데이터셋에 이를 나타냈습니다. 왼쪽 그림은 복잡한 결정 경계를 만드는

높은 성능의 모델입니다. 오른쪽은 성능이 낮은 간단한 모델입니다. 간단한 모델은 잘못된 예

측을 많이 만들지만 결정 경계의 모양이 다르기 때문에 복잡한 모델이 만든 오류와는 다릅니

다. 이런 이유로 복잡한 모델이 잘못 예측한 샘플에서, 간단한 모델이 올바르게 예측할 수 있습

니다. 따라서 메인 모델이 실패할 때 간단한 모델을 예비 모델로 사용하는 것이 합리적인 아이

디어입니다.

복잡한 모델(오류

5

개) 간단한 모델(오류

8

개)

오류

정확한 예측

그림

10-3

간단한 모델이 종종 다른 오류를 만듭니다.

간단한 모델을 예비 모델로 사용할 때 동일한 방식으로 출력을 검증해야 합니다. 만약 검사를

통과하지 못하면 경험 규칙 기반 방식을 사용하거나 에러를 출력합니다.

모델의 출력이 합리적인 범위 안에 있는지 검증하는 것은 좋은 시작이지만, 충분하지는 ...