기계학습 작업 흐름 (workflow)
1. 자료준비
: 수집과 전처리(셔플링, 피쳐스케일링)
자료의 종류
훈련자료
검증자료 : 훈련 후 더욱 정밀한 모델을 만들기 위해 사용한다.
평가자료
1) 셔플링
자료를 골고루 섞어주는 작업이다.
2) 피쳐스케일링
모든 속성들이 동일한 스케일을 갖도록 한다.
정규화와 표준화가 있다.
정규화(min-max scaling)
모든 값들이 0~1사이의 값을 갖도록 조정한다.
정규화
자료의 평균값이 0, 표준편차가 1이 되도록 조정한다.
특이점에 대해 영향을 크게 받지 않는 장점이 있다.
2. 학습
: 모델 훈련과 완성
기계학습으로 가중치를 계산해 모델을 예측한다.
3.검증
: 하이퍼 파라미터 조정
검증 자표를 통해 모델의 다양한 파라미터들을 조정하면서 모델을 완성해 나간다.
4.평가
: 최종 실전 배치 여부 결정
5.실전배치
'machine learning' 카테고리의 다른 글
[machine learning] 퍼셉트론과 이진분류(linear binary classification) (0) | 2021.06.19 |
---|---|
[Machine Learning] 활성화 함수의 종류와 기능 (0) | 2021.06.17 |
[Machine Learning] Machine Learning 소개 (0) | 2021.06.17 |