머신러닝(machine learning) 이론 입문

#2.2-오버-피팅-검출2.2 오버 피팅 검출 * 머신러닝이라는 것은 주어진 트레이닝 셋 데이터를 가지고 최적의 파리미터를 결정하는 것 이상의 의미는 없습니다.(63) 2.2.2 트레이닝 셋으로 검증한 결과 * 이 예에서는 M=4를 넘어가면 테스트 셋에 대한 오차는 감소하지 않고 트레이닝 셋에 대한 오차만 감소합니다. 이것은 트레이닝 셋만이 갖는 특징과 함께 과잉으로 튜닝이 가해졌기 때문이라고 생각할 수 있습니다. 이처럼 트레이닝 셋에 특화된 튜닝이 가해지는 상황은 오버 피팅(과적합)이라고 부릅니다.(66) * (이해) 즉, 트레이닝 셋의 오차는 감소하지만 실제 세계의 예측을 위한 데이터 즉, 테스트 셋은 오차가 증가하는 경향. 훈련과 실제 예측과의 괴리를 오버 피팅이라고 부르는 것으로 보임. 2.2.3 교차 검증을 통해 일반화 능력을 검증한다 * 여기서 주의할 점이 있습니다. 트레이닝 셋에 포함되어 머신러닝에 사용되는 데이터를 테스트