교차 검증·튜닝·학습 곡선

대단원 Ⅲ. 파이썬과 머신러닝 교과서 60–131쪽

중단원 02. 머신러닝 라이브러리 활용 · 85–128쪽
소단원 04. 모델 평가와 선택 · 112–126쪽

이 웹 주제의 연계 범위: 112–116, 124–128쪽

웹 학습 주제 12 / 13

한 번 나눈 점수만으로 모델을 선택해도 될까요?

교차 검증은 훈련 자료를 여러 묶음으로 나누어 검증 역할을 번갈아 맡깁니다. GridSearchCV는 설정 후보를 교차 검증으로 비교합니다. 전처리도 각 훈련 묶음에서 다시 학습하도록 Pipeline을 사용합니다.

학습 곡선은 훈련 샘플 수에 따른 훈련·검증 성능을 함께 보여 줍니다. 두 곡선의 간격과 수준을 보고 데이터 추가, 모델 복잡도 조절, 규제, 특성 개선 등을 검토합니다. 데이터 스케일 정규화와 모델 규제(regularization)는 다른 개념입니다.

예제를 선택하면 바로 아래에서 코드를 수정하고 실행할 수 있습니다. 작성한 코드는 예제별로 저장됩니다.

CODE WORKSPACE

코드를 바꾸는 실습실

실행 환경

예제 선택

main.py

실행 파일input()에 전달할 값 · 한 줄에 하나실행 인자 · JSON 문자열 배열

실행 엔진은 처음 실행할 때 내려받습니다. 패키지 크기에 따라 최초 준비에 최대 3분이 걸릴 수 있으며 네트워크가 필요합니다. 실행은 최대 30초이며 중지 후 다시 실행할 수 있습니다.

실행할 예제를 선택하세요.

이 주제를 실습하고 설명할 수 있습니다.

PRACTICE / RETRY / UNDERSTAND

이 주제와 연결된 문제만 보여 줍니다. 단원 전체 문제는 단원 안내 페이지에서 이어서 풀 수 있습니다.

유형상태검색