머신 러닝 워크플로

머신 러닝 이해하기

Lis Sulmont

Curriculum Manager, DataCamp

머신 러닝 워크플로

우리의 시나리오

우리 데이터 세트: 2015~2019년 뉴욕시 부동산 매매

포함된 사항:

• 면적(평방피트)
• 위치
• 건축 연도
• 판매 가격
• 그외!

우리의 목표: 판매 가격

1단계: 특성 추출

2단계: 데이터 세트 분할

3단계: 모델 학습

3단계: 모델 학습

$$

4단계: 평가

4단계: 평가

• 테스트 데이터 세트: '미학습' 데이터
• 다양한 평가 방법:
  • 예측의 평균 오차는 얼마인가요?
  • 모델이 10% 범위 내에서 정확하게 예측한 아파트의 비율은 얼마인가요?

4단계: 평가

4단계: 평가

4단계: 평가

• 그렇지 않다면 모델을 튜닝하고 다시 학습시키세요
  • 예: 모델의 옵션 변경, 특성 추가/제거

머신 러닝 워크플로

단계 요약

1. 특성 추출
   • 특성 선택 및 데이터 세트 조작
2. 데이터 세트 분할
   • 학습 데이터 세트 및 테스트 데이터 세트
3. 모델 학습
   • 머신 러닝 모델에 학습 데이터 세트 입력
4. 평가
   • 원하는 성능에 도달하지 못하는 경우: 모델을 튜닝하고 3단계를 반복합니다

연습해봅시다!

머신 러닝 이해하기