일반화
테스트데이터에서 만들어내는 오차를 일반화 오차라고 함
훈련데이터에서처럼 테스트데이터에서도 좋은 성능을 내는 모델을 일반화가 잘 된 모델이라고 함
과적합 : 훈련데이터에 과도하게 학습하여 , 테스트데이터에서 오차가 커지는 현상
과소적합 : 훈련데이터에 과적합도 일반화도 하지 못하여 , 훈련/테스트 데이터에서 오차가 크게 나오는 현상
일반화된 모델을 만들기 위해서는
1. 충~~분한 데이터가 있어야 한다 __ 데이터의 중요성
2. 과소적합 -> 일반화 -> 과적합 으로 가는 길목에서 적절한 판단이 필요하겠구나
728x90
'AI월드 > ⚙️AI BOOTCAMP_Section 2' 카테고리의 다른 글
| 회귀의 오류지표,MAE,MSE,RMSE,MAPE,MPE_Day22(6) (0) | 2021.01.30 |
|---|---|
| Bias/Variance/편향과분산, 한번더_Day22(5) (0) | 2021.01.30 |
| Training & Test , Bias & Variance,편향,분산_Day22(3) (0) | 2021.01.29 |
| Mean Square Error,평균 제곱근 편차,잔차와오차_Day22(2) (0) | 2021.01.29 |
| R Squared 계산방법 , R 스퀘어, 결정계수_Day22 (0) | 2021.01.29 |
댓글