k-fold cross-validation 교차 검증 (언더핏팅 방지)

cf) 데이터

• train data : 학습을 통해 가중치, 편향 업데이트
• validation data : 하이퍼파라미터 조정, 모델의 성능 확인
• test data : 모델의 최종 테스트

728x90

하이퍼파라미터 : 값에 따라서 모델의 성능에 영향을 주는 매개변수들(ex. learning rate, 은닉층의 수, 뉴런의 수 등) ↔ 가중치, 편향은 학습을 통해 바뀌어져가는 변수이다.

cf) 기존 방식

1. 교차검증(cross-validation)

• 같은 데이터를 여러 번 반복해서 나누고 여러 모델을 학습하여 성능을 평가하는 방법
• 데이터를 학습용/평가용 데이터 세트로 여러 번 나눈 것의 평균적인 성능을 계산하면, 한 번 나누어서 학습하는 것에 비해 일반화된 성능을 얻을 수 있기 때문 (조금 더 안정적인 성능이 나옴)
• 장점 : 성능의 신뢰성 향상, 과적합(overfitting) 방지, 데이터를 효율적으로 사용

반응형

2. K-fold cross-validation

• 가장 널리 사용되는 교차검증(cross-validation) 방법

→ 데이터 우려먹기