교차 검증에서 평균 정확도 계산

아, 아닙니다. 모델이라 함은 하이퍼파라미터와 함께 데이터로 학습된 상태가 포함된 것이 맞습니다.

머신러닝 모델은 일반적으로 학습 데이터에 많이 좌우되기 때문에 여러 유형의 학습 데이터를 가지고 검증해보는 것입니다. 어떤 학습 데이터에서는 좋고, 어떤 학습 데이터에서는 나쁘다면 오버피팅 여지가 높기에 전반적으로 평균을 해서 모델 성능을 검증하는 것입니다.

안녕하십니까,

이전 반복문의 결과가 이후 반복문의 결과에 영향을 주지 않습니다.

1. 교차검증을 하는 이유는 여러번 학습 데이터 세트를 변경해 가면서 테스트 하는데 의미가 있습니다. 학습 데이터를 조금씩 바꿔 가면서 검증을 하는 것입니다.  예를 들어 고등학교 수학 능력을 평가한다고 할때,

집합 10문제, 미분적분 10문제, 통계 10문제가 있다고 한다면 어떤 모델(여기서는 학생)은 통계에 아주 강하지만, 미분적분에는 약한 모델이 있을 수 있고, 반대로 다른 모델은 통계에는 약하지만 미분적분에는 강한 모델이 있을 수 있습니다. 하지만 수학점수는 30개 문항을 기준으로 만점 처리를 하므로 문제를 바꿔가면서 학습하고, 또 검증하는 문제도 바꾸가면서 평가하는 것입니다.

전반적으로 좋은 모델이란 학습 문제를 바꿔도, 또한 평가 문제가 바뀌어도 좋은 점수를 얻는 모델이므로 이를 위해 평균점수를 기반으로 성능을 판단하는 것입니다.

감사합니다.

아하 알겠습니다. 그러면 저는 머신러닝에서 모델이라 함은 하이퍼파라미터와 함께 데이터로 학습된 상태가 포함된 것인 줄 알았는데, 그게 아닌거죠? 그렇기 때문에 정확도의 평균을 내는 것인거죠??