AI & Data
텍스트 분류의 TF-IDF 기준선, 변경 전후를 비교하는 방법
텍스트 문제에서 복잡한 모델부터 선택하면 데이터와 평가의 기본 문제를 놓치기 쉽다. 같은 조건에서 얻은 증거를 중심으로 작은 예제와 확인 기준을 정리합니다.
THE BUILDER’S NOTE
Engineering.
01 / INSIDE THE BUILD만들며 배우고, 배운 것을 나눕니다.
더 나은 제품을 향한 개발의 기록.
찾고 있던 이야기
작은 발견부터 깊이 있는 고민까지.
카테고리AI & Data
필터 초기화AI & Data
PCA를 적용하기 전의 스케일, 변경 전후를 비교하는 방법
값의 단위가 크게 다른 피처를 그대로 차원 축소하면 큰 단위의 열이 결과에 강하게 영향을 줄 수 있다. 같은 조건에서 얻은 증거를 중심으로 작은 예제와 확인 기준을 정리합니다.
AI & Data
예측 확률과 실제 빈도, 변경 전후를 비교하는 방법
높은 확률을 출력하는 모델이 그만큼 자주 맞는다고 바로 믿을 수는 없다. 같은 조건에서 얻은 증거를 중심으로 작은 예제와 확인 기준을 정리합니다.
AI & Data
혼동 행렬로 실패 종류 나누기, 변경 전후를 비교하는 방법
단일 점수는 어떤 클래스를 서로 혼동하는지 보여 주지 못한다. 같은 조건에서 얻은 증거를 중심으로 작은 예제와 확인 기준을 정리합니다.
AI & Data
실험을 다시 실행할 수 있게 기록하기, 변경 전후를 비교하는 방법
같은 코드인데 실행할 때마다 점수가 바뀌면 변경의 효과를 판단하기 어렵다. 같은 조건에서 얻은 증거를 중심으로 작은 예제와 확인 기준을 정리합니다.
AI & Data
복잡한 모델 앞의 단순한 기준선, 변경 전후를 비교하는 방법
복잡한 모델이 돌아간다는 사실만으로 유용한 예측을 만든다고 판단하기 어렵다. 같은 조건에서 얻은 증거를 중심으로 작은 예제와 확인 기준을 정리합니다.