모델 컴파일 및 학습

이제 출력이 2개인 모델이 있으니, 두 개의 손실 함수를 사용해 컴파일해 보세요. 'score_diff'에는 평균 절대 오차(MAE), 'won'에는 이진 크로스엔트로피(로그 손실)입니다. 그런 다음 입력으로는 'seed_diff'와 'pred'를 사용해 모델을 학습하세요. 출력으로는 'score_diff'와 'won'을 예측합니다.

이 모델은 경기 점수를 활용해, 스코어 차가 작은 접전일수록(작은 score diff) 대승인 경기(큰 score diff)보다 승리 확률이 낮게 나오도록 학습할 수 있습니다.

회귀 문제는 분류 문제보다 더 쉽습니다. MAE는 우연에 따른 패배에 대해 모델을 덜 벌주기 때문입니다. 예를 들어 score_diff가 -1이고 won이 0이라면, team_1이 운이 없어서 자유투 한 개 차이로 졌다는 뜻입니다. 이렇게 쉬운 문제의 데이터가 어려운 문제의 해법을 찾는 데 도움을 줍니다.