[ML] 학습 및 테스트 세트

이 글은 [developers.google.com/machine-learning/crash-course/training-and-test-sets/video-lecture]을 참고하여 작성하였습니다.

 

데이터 세트 (= 학습세트 + 테스트 세트)

학습 세트 / 테스트 세트 분할

• 학습 세트 : 모델을 학습시키기 위한 데이터 세트의 일부분
• 테스트 세트 : 모델을 테스트시키기 위한 데이터 세트의 일부분
  • 새 데이터를 모의실험하는 역할
  • 다음 두 가지 조건 만족
    • 통계적으로 유의미한 결과를 도출할 만큼 커야함
    • 데이터 세트를 전체적으로 나타내야함. 즉, 테스트 세트가 학습 세트와 같은 특징을 가지도록 선별

 

[그림2] 학습 데이터 / 테스트 데이터

• 학습 세트 증가 -> 학습 모델 우수
• 테스트 세트 증가 -> 평가 측정항목의 신뢰도 높아짐, 신뢰 구간 간격 좁아짐
• 데이터 세트가 클수록 좋다!
• 데이터 세트가 작을 때는?
  • 교차 검증 같은 정교한 방법 써야함
• [그림2] 결과
  • 학습 데이터 : 완벽하지 X, 몇가지 예측 빗나감
  • 테스트 데이터 : 학습 데이터에 비해 나쁘지 않은 결과, 과적합 X

 

주의!

• 테스트 데이터로 학습하지 않기
• 테스트 데이터의 정확성이 100%로 나왔다면, 테스트 데이터로 학습시킨 것이 아닌가 확인