AI & Data
회귀 오차의 크기를 읽는 방법, 변경 전후를 비교하는 방법
평균 오차가 줄었어도 드물게 발생하는 큰 실수는 더 커졌을 수 있다. 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
이상치 제거 전에 할 질문, 변경 전후를 비교하는 방법
평균에서 멀리 떨어진 값을 모두 지우면 중요한 드문 사건까지 사라질 수 있다. 같은 조건에서 얻은 증거를 중심으로 작은 예제와 확인 기준을 정리합니다.
AI & Data
시간 순서를 지키는 평가, 변경 전후를 비교하는 방법
미래 값을 예측하는 문제를 무작위로 나누면 미래 정보가 과거의 학습에 섞일 수 있다. 같은 조건에서 얻은 증거를 중심으로 작은 예제와 확인 기준을 정리합니다.
AI & Data
사용자 단위로 데이터를 분리하기, 변경 전후를 비교하는 방법
같은 사용자의 기록이 학습과 평가에 나뉘어 있으면 새 사용자에 대한 성능을 과대평가할 수 있다. 같은 조건에서 얻은 증거를 중심으로 작은 예제와 확인 기준을 정리합니다.
AI & Data
분류 임계값을 별도로 선택하기, 변경 전후를 비교하는 방법
같은 확률 예측이라도 어디서 양성으로 판단할지에 따라 서비스 동작이 달라진다. 같은 조건에서 얻은 증거를 중심으로 작은 예제와 확인 기준을 정리합니다.
AI & Data
정밀도와 재현율의 질문, 변경 전후를 비교하는 방법
모델을 개선했다는 말이 어떤 종류의 실수를 줄였다는 뜻인지 분명하지 않을 수 있다. 같은 조건에서 얻은 증거를 중심으로 작은 예제와 확인 기준을 정리합니다.