로우코드 AI

298

로우코드 AI

best_model.evaluate(test_ds)

테스트 데이터셋에 대한 모델의 성능은 어땠나요? 성능이 비슷하다면 모델을 배포할 준비가

완료된 것입니다. 그렇지 않으면 데이터셋을 다시 결합하고, 새로운 학습-검증-테스트 데이

터 분할을 수행한 후, 전체 과정을 처음부터 다시 시작해야 할 수 있습니다. 이 과정에서 학습,

검증, 테스트 데이터셋의 분포가 유사한지 확인해야 합니다. 실제로 테스트 데이터셋으로 모델

을 평가할 때, 이 세 개의 분포가 서로 다른 것이 성능을 크게 떨어뜨리는 흔한 이유입니다.

처음부터 다시 시작해야 하는 것은 실망스러울 수 있지만, 테스트 데이터셋을 통해 의사 결정

을 내리는 과정에서 모델의 독립성이 손상된다면, 지속적으로 개선해서 성능을 높이는 것이 최

선의 방법입니다.

8.4

빅쿼리

ML

에서 하이퍼파라미터 튜닝하기

이 절에서는 사이킷런과 케라스에서 만든 모델을 빅쿼리

ML

에서 다시 살펴봅니다. 이전에 사

용한 자동차 경매 가격 데이터셋을 빅쿼리로 불러오고, 빅쿼리

ML

로 특징 공학을 수행하고,

신경망 모델을 학습시킵니다. 마지막으로, 빅쿼리

ML

에서 하이퍼파라미터를 조정하는 방법을

배웁니다.

이 장에서는 빅쿼리 및 빅쿼리

ML

의 기본 개념을 재검토하지는 않으므로, 기억이 나지 않는다

면

6

장을 참조해야 할 ...