강의 계획 레슨 250개 중 87번째 · 첫 머신러닝 모델
첫 머신러닝 모델

훈련/테스트 나누기: 정직한 측정

머신러닝에서 가장 중요한 습관이 여기 있어요. 모델을 훈련한 다음 같은 데이터로 테스트하면 쓸모 있는 건 아무것도 배우지 못해요. 모델은 이미 본 답을 외우기만 해도 만점을 받을 수 있어요. 학생이 공부한 바로 그 문제로 시험을 보는 것과 같아요: 이해가 아니라 기억을 재요.

해결책은 데이터 일부를 빼 두는 거예요. 대부분으로 훈련하고, 모델이 한 번도 본 적 없는 행으로 테스트해요. 테스트 성능이 실제 미래 데이터에서 얼마나 잘할지에 대한 정직한 추정이에요.

scikit-learn은 이것을 위한 함수 하나를 줘요:

from sklearn.model_selection import train_test_split

X_train, X_test, y_train, y_test = train_test_split(
    X, y, test_size=0.2, random_state=0
)

언제나 이 순서로 네 조각을 돌려줘요: 훈련 특성, 테스트 특성, 훈련 레이블, 테스트 레이블. 두 인자가 중요해요:

  • test_size=0.2는 20퍼센트를 테스트로 빼 두고 80퍼센트를 훈련에 남겨요.
  • random_state=0은 섞는 방식을 고정해서 실행할 때마다 같은 분할을 얻게 해요. 그게 없으면 분할이 매번 무작위라, 결과가 흔들리고 확인할 수 없을 거예요. 이 강좌 전체에서 늘 random_state=0을 넘기세요.

이제부터 엄격한 규칙: 훈련 세트로 훈련해도 되지만, 채점은 오직 테스트 세트로만 해요. 모델이 훈련한 데이터에서 나온 점수는 절대 보고하지 마세요.

내 차례

배열 X(10행, 2열)와 y(레이블 10개)가 주어져요. test_size=0.2와 random_state=0으로 train_test_split을 써서 X_train, X_test, y_train, y_test를 얻으세요. 그다음 n_train을 훈련 행 수로, n_test를 테스트 행 수로 정하세요.

이 레슨에서 문제를 발견했나요? 알려 주세요 · 이 레슨에 대해 묻기

이 연습은 곧 열려요

앞의 레슨을 마치면 이 레슨이 열려요. 강좌 전체가 무료이고 계정도 필요 없으며, 이 레슨은 지금 바로 읽을 수 있어요.