Model Validation

* 우리가 만든 함수가 얼마나 적절한가를 측정함.

 

* Modeling 목적

 - 일반화된 성능 제공 (일반화는 학습시 사용되지 않은 데이터에서도 비슷한 성능이 나오게 할 것)

 

이 모델이 적절한가?

 

이 모델이 더 적절한가?

 

여기서 그래프가 맞는 모델을 하기 위해 다차 함수가 필요.

 

 

기본적인 데이터로 평가가 힘듬(평가 기준이 없다)

model validation : 평가기준을 만든다.

 

|---------------------------------------------------|-------------|

TRE                                                         TEE(검증 데이터)

 

 

AI Machine Lerning => supervised (x:input, y:output)

y=wx + b 

w,b : 파라미터

 

 

 

I , Regression(수치 예측)

 - 성능 측정(error,loss,cost)

   MSE => mean((y,^y)^2

 

 - 학습원리

Gradient Descent

w=w-∝미분값

∝:learning rate

 

 

 

Model_1.fit(x_train,y_train)

fit : x.y가지고 parameter를 최적화

 

Model1.predict (x_test) x를 주는값은 테스트 값

predict : y_hat 

 

y_hat과 y_test로 MSE를 구한다.

 

sklearn : train과 test값을 나눠서 계속 테스트 한다.

 

 

데이터 전처리(data preprocessing) : 데이터 넣기 위한 사전 준비