"분류:데이터 검증"의 두 판 사이의 차이
(새 문서: == 개요 == 인공지능을 만들었으면 해당 모델이 얼마나 정확한지 검증해야 한다. 그 검증 방법에 대해 안내하는 문서모음. 분류:인공지능...) |
잔글 |
||
| (같은 사용자의 중간 판 하나는 보이지 않습니다) | |||
| 1번째 줄: | 1번째 줄: | ||
== 개요 == | == 개요 == | ||
인공지능을 만들었으면 해당 모델이 얼마나 정확한지 검증해야 한다. 그 검증 방법에 대해 안내하는 문서모음. | 인공지능을 만들었으면 해당 모델이 얼마나 정확한지 검증해야 한다. 그 검증 방법에 대해 안내하는 문서모음. | ||
| + | |||
| + | 일반적으로 적절한 파라미터를 찾기 위해 쓰이는 과정. | ||
| + | |||
| + | == 시각화 == | ||
| + | 어떤 파라미터를 고르는 게 적절한지 찾기 위해 파라미터에 따른 오차를 그래프로 그리기도 한다.<syntaxhighlight lang="python"> | ||
| + | results = {} # 결과를 담을 사전. | ||
| + | for i in range(1,9): | ||
| + | results[50*i] = get_score(50*i) # 50 ~ 400 사이의 파라미터를 넣었을 때 오차 구하는 함수를 만들어두고 반복한다. | ||
| + | |||
| + | import matplotlib.pyplot as plt | ||
| + | %matplotlib inline #?? 뭐지? | ||
| + | |||
| + | plt.plot(list(results.keys()), list(results.values())) | ||
| + | plt.show() | ||
| + | # 해당 값에 따라 어떤 오차를 갖는지 그래프로 얻을 수 있다. | ||
| + | </syntaxhighlight> | ||
| + | |||
| + | = 적절한 인자 찾기 = | ||
| + | 사이킷런에서 <code>GridSearchCV()</code> 를 통해 적절한 인자값을 찾을 수 있다고 한다. | ||
[[분류:인공지능 이론]] | [[분류:인공지능 이론]] | ||
2021년 9월 3일 (금) 22:44 기준 최신판
1 개요편집
인공지능을 만들었으면 해당 모델이 얼마나 정확한지 검증해야 한다. 그 검증 방법에 대해 안내하는 문서모음.
일반적으로 적절한 파라미터를 찾기 위해 쓰이는 과정.
2 시각화편집
어떤 파라미터를 고르는 게 적절한지 찾기 위해 파라미터에 따른 오차를 그래프로 그리기도 한다.
results = {} # 결과를 담을 사전.
for i in range(1,9):
results[50*i] = get_score(50*i) # 50 ~ 400 사이의 파라미터를 넣었을 때 오차 구하는 함수를 만들어두고 반복한다.
import matplotlib.pyplot as plt
%matplotlib inline #?? 뭐지?
plt.plot(list(results.keys()), list(results.values()))
plt.show()
# 해당 값에 따라 어떤 오차를 갖는지 그래프로 얻을 수 있다.
3 적절한 인자 찾기편집
사이킷런에서 GridSearchCV() 를 통해 적절한 인자값을 찾을 수 있다고 한다.