311
8
장
사용자 정의 모델의 성능 개선하기
8.6
요약
이 장에서는 동료가 구축한 사용자 정의 코드 모델을 특징 공학 및 하이퍼파라미터 튜닝으로
개선했습니다. 사이킷런에서 새로운 변환기를 활용하고 격자 탐색을 수행하여, 기존의 선형 회
귀 모델에 대한 하이퍼파라미터를 조정했습니다. 또한, 전처리 계층을 사용하여 케라스에서 동
일한 특징 공학을 수행하고 신경망 모델에 케라스 튜너를 사용하여 하이퍼파라미터 튜닝을 수
행하는 방법을 배웠습니다. 그리고 마지막에는
SQL
을 사용하여 빅쿼리
ML
에서 이와 동일한
작업을 수행하는 방법을 배웠습니다.
이 장과 앞 장의 사용자 정의 코드 모델에 관한 내용을 살펴보며
ML
모델을 구축하는 데 사용
할 수 있는 기능들을 파악했기를 바랍니다. 최소한 노코드와 로우코드 솔루션은 훌륭한 출발점
이 될 수 있으며, 사용자 정의 코드를 작성하지 않고도 목표에 도달할 기회를 제공합니다. 하지
만 데이터 과학자가 아닌 사람도 약간의 사용자 정의 코드를 작성해 맞춤형 모델을 직접 구축
할 수 있습니다.
마지막 장에서는
ML
을 더 자세히 알아보고 싶을 때 무엇을 하면 좋을지에 관한 내용을 알아봅
니다. 이 책에서 이미 매우 강력한 도구를 경험했지만, 이 분야는 계속 성장하므로 연구자뿐만
아니라 많은 사람이 활용할 수 있는 도구가 계속해서 새롭게 등장합니다.