코딩하는 타코야끼

1. 그런데 이 결과가 맞을까? 모델이 추론한 결과가 맞다는 것을 어떻게 보증할 수 있을까? 모델을 최종 서비스에 적용하기 전에 모델의 성능을 확인하는 작업이 필요하다. 📍머신러닝 프로세스 🌓 훈련데이터셋과 평가(테스트)데이터 분할 위의 예는 우리가 만든 모델이 성능이 좋은 모델인지 나쁜 모델인지 알 수 없다. 전체 데이터 셋을 두개의 데이터셋으로 나눠 하나는 모델을 훈련할 때 사용하고 다른 하나는 그 모델을 평가할 때 사용한다. 보통 훈련데이터와 테스트데이터의 비율은 8:2 또는 7:3 정도로 나누는데 데이터셋이 충분하다면 6:4까지도 나눈다. 💡 데이터셋 분할시 주의 분류 문제의 경우 각 클래스(분류대상)가 같은 비율로 나뉘어야 한다. 🌓 scikit-learn의 train_test_split( ) ..

1. Iris(붓꽃) 예측모델 프랑스 국화 꽃말 : 좋은 소식, 잘 전해 주세요, 사랑의 메세지, 변덕스러움 📍 머신러닝의 Helloworld 데이터 과학에서 Iris DataSet 아이리스 품종 중 Setosa, Versicolor, Virginica 분류에 대한 로널드 피셔의 1936년 논문에서 사용된 데이터 셋. 꽃받침(Sepal)과 꽃잎(Petal)의 길이 너비로 세개 품종을 분류 📍 데이터셋 확인하기 🌓 scikit-learn 내장 데이터셋 가져오기 scikit-learn은 머신러닝 모델을 테스트 하기위한 데이터셋을 제공한다. 이런 데이터셋을 Toy dataset이라고 한다. 패키지 : sklearn.datasets 함수 : load_xxxx() from sklearn.datasets impor..