
267
8
장
사용자 정의 모델의 성능 개선하기
사용자 정의 모델의 성능 개선하기
8
CHAPTER
6
장과
7
장에서는
SQL
, 빅쿼리
ML
, 파이썬을 사용하여 데이터를 준비하고, 사이킷런과 케라
스를 활용해 사용자 정의 모델을 구축하는 방법을 배웠습니다. 이 장에서는 추가로 특징 공학
과 하이퍼파라미터 튜닝을 염두에 두고 이 도구들을 다시 살펴봅니다. 앞 장과는 달리, 준비된
데이터와 이미 학습된 모델을 시작점으로 두고 거기서부터 개선 작업을 진행합니다. 앞서 구축
한 모델 코드나 빅쿼리의 사용자 인터페이스가 친숙하지 않다면,
6
장과
7
장을 다시 살펴보기
바랍니다.
8.1
비즈니스 사용 사례: 중고차 경매 가격
이 장에서 다루는 프로젝트의 목표는 중고차 경매 가격을 예측하도록 학습된
ML
모델의 성능
을 개선하는 것입니다. 초기 모델은 사이킷런이 제공하는 선형 회귀 모델로 구축했으나, 비즈
니스 목표에 부합하지 않다는 설정입니다. 특징 공학과 하이퍼파라미터 튜닝으로 모델의 성능
을 개선하는 입장에서 사이킷런, 케라스, 빅쿼리
ML
과 같은 도구의 사용법을 살펴봅니다.
선형 회귀 모델은
CSV
파일 형식의 데이터셋으로 학습시켰습니다. 이 데이터셋은 이미 정리되
었으며(누락된 값과 잘못된 값이 적절히 수정됨), 사이킷런의 선형 회귀 모델을 구축하는 데 사
용한 코드도 제공됩니다. ...