작업 1: 주어진 모든 교차곱을 사용하여 모델을 그대로 실행합니다.
기능을 살펴보겠습니다 모델이 데이터 적합성을 갖는 방식에 예상치 못한 점이 있나요?
어떤 문제가 있나요?
작업 2: 다양한 크로스 프로덕트 특성을 제거하여 개선해 보기
실적입니다 (약간의 차이일지라도). 특성을 제거해야 하는 이유
실적을 개선할 수 있을까요?
(정답은 실습 바로 아래에 표시됩니다.)
작업 1의 답을 보려면 더하기 아이콘을 클릭하세요.
놀랍게도 모델의 결정 경계가 이상하게 보입니다. 특히
왼쪽 상단에 파란색으로 되어 있지만
데이터에서 그것에 대한 눈에 띄는 근거가 없습니다.
입력(INPUT)에서 출력(OUTPUT)으로 이어진 5개 선의 상대적 두께에 주목하세요.
이 선은 5개 특성의 상대적 가중치를 보여주고 있습니다.
X1과 X2로부터 뻗어 나온 선은 다른 선보다 훨씬 두껍습니다.
특성 교차에서 비롯된 것입니다 특성 교차는
일반적인 (비교차) 특성보다 모델에 훨씬 더 적게 기여합니다.
작업 2의 답을 보려면 더하기 아이콘을 클릭하세요.
모든 특성 교차를 제거하면 보다 합리적인 모델(
더 이상 과적합을 암시하는 곡선 경계가 아님)
테스트 손실을 수렴합니다.
1,000회 반복 후 테스트 손실은 약간 더 낮은 값이어야 합니다.
특성 교차가 효과적이었을 때보다
데이터 세트에 따라 약간 다를 수 있음).
이 실습에서 제공하는 데이터는 기본적으로 선형 데이터이며 노이즈가 포함되어 있습니다.
너무 복잡한 모델(예: 모델이 너무 많음)을 사용하는 경우
학습 데이터의 노이즈에 맞출 기회를 제공합니다.
모델이 테스트 데이터에 대해 좋지 않은 결과를 야기할 수 있습니다.
[[["이해하기 쉬움","easyToUnderstand","thumb-up"],["문제가 해결됨","solvedMyProblem","thumb-up"],["기타","otherUp","thumb-up"]],[["필요한 정보가 없음","missingTheInformationINeed","thumb-down"],["너무 복잡함/단계 수가 너무 많음","tooComplicatedTooManySteps","thumb-down"],["오래됨","outOfDate","thumb-down"],["번역 문제","translationIssue","thumb-down"],["샘플/코드 문제","samplesCodeIssue","thumb-down"],["기타","otherDown","thumb-down"]],["최종 업데이트: 2024-08-22(UTC)"],[],[]]
