머신 러닝 과정에서 일반화란 데이터로 모델을 학습시키고,
추후 새로운 데이터를 모델에 넣었을 때에도 출력에 대한 성능 차이가 나지 않게 하는 것이다.
Train 데이터로 모델을 학습시켜 얻은 정확도와 비슷한 값을 가지게 하는 것이 목적이다.
즉, 새로운 데이터도 정확히 예측할 수 있게 된다.
모델을 만들 때는 가능한 한 정확하게 일반화되도록 해야 한다.
데이터를 더 많이 수집할수록, 모델의 과적합(Overfitting)을 피할수록 좋은 모델이 된다.
'머신러닝, 딥러닝' 카테고리의 다른 글
Ridge Regression (0) | 2021.02.03 |
---|---|
교차검증(Cross Validation) (0) | 2021.02.01 |
선형회귀에서 2차원 array를 사용하는 이유 (0) | 2021.01.30 |
다중 선형 회귀(Multiple Linear Regression) (0) | 2021.01.30 |
단순선형회귀 : 설명이 안되는 범위가 너무 많은데요? (0) | 2021.01.30 |