강의 계획 레슨 246개 중 103번째 · 모듈 9: 정말 더 나은가?
모듈 9: 정말 더 나은가?

나누기와 누출

왜 중요한가 테스트 데이터의 어떤 정보든 훈련에 닿으면, 테스트 점수는 더는 테스트가 아니에요. 정직한 사람들이 틀린 숫자를 발표하는 가장 흔한 방식이에요.

규칙: 테스트 세트는 전처리를 포함해 어떤 결정에도 아무 역할을 하면 안 돼요. 그게 몰래 들어오는 세 가지 방식:

  • 모든 데이터로 크기 맞추기. 테스트 행을 포함한 모든 행에서 평균과 퍼짐을 계산하면 테스트 값이 훈련 입력을 빚어요. 작지만 진짜예요.
  • 모든 레이블로 특성 고르기. 테스트 레이블까지 써서 레이블과 가장 상관된 특성을 고르면 순수한 잡음도 예측력이 있어 보일 수 있어요. 이건 엄청날 수 있어요.
  • 나누기를 가로지르는 중복. 같은 예시가 두 세트에 다 있으면: 모델은 외운 걸로 시험받아요.

누출: 테스트 정보가 훈련 과정에 닿아서, 점수가 실제보다 좋아 보이게 하는 것.

내 차례

leaky를 세 파이프라인 중 어느 것이 새는지 말하는 딕셔너리로 설정하세요. 그다음 pipeline_3_fixed(X, y)를 쓰세요: 같은 생각인데, 처음 200행만 써서 특성 5개를 고르세요.

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.