강의 계획 레슨 246개 중 86번째 · 모듈 7: 새 데이터에서 작업하기
모듈 7: 새 데이터에서 작업하기

너무 단순하거나, 너무 복잡하거나, 재 보기

왜 중요한가 모델은 본 적 없는 데이터에서만 쓸모 있어요. 훈련 점수 대신 그걸 재는 것이 모델을 만드는 누구에게나 첫 습관이에요.

매끄러운 곡선에서 나온 잡음 섞인 점 30개에 차수가 점점 높은 다항식을 맞춰 보세요. 차수 1은 직선이에요: 너무 단순해서 굽이를 놓쳐요(과소적합). 차수 15는 바로 이 점 30개의 잡음을 따라 휘어요: 훈련 오차는 모든 것 중 가장 낮지만(0.014), 새 점에서는 차수 3보다 나빠요(0.075 대 0.051). 그 틈, 새 데이터의 오차보다 훨씬 낮은 훈련 오차가 과적합이에요. 그 사이 어딘가에 최적점이 있어요.

훈련 오차는 차수가 올라가면 떨어지기만 해서, 최적점을 찾을 수 없어요. 맞춤이 본 적 없는 점에서의 검증 오차는 찾을 수 있어요.

검증 세트: 훈련에서 떼어 두고 모델 크기 같은 설정을 고르는 데 쓰는 데이터.

이 레슨의 단어와 기호
과적합, 과소적합
훈련 데이터의 잡음까지 맞추기, 또는 패턴을 맞추기엔 너무 단순하기
검증 세트
설정을 고르는 데 쓰는, 따로 떼어 둔 데이터
내 차례

점 30개에 np.polyfit으로 맞춘 차수 deg 다항식에 대해 (train_mse, val_mse)를 반환하는 errors(deg)를 쓰세요. 그다음 best_degree를 자기 곡선으로 계산해서, 1부터 15까지 중 검증 오차가 가장 낮은 차수로 설정하세요.

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.