R^2와 RMSE는 회귀 모델의 성능을 평가하는 지표입니다. 두 지표는 모델 적합도를 해석하는 서로 다른 관점을 제공해요. 다음 중 R^2 또는 RMSE에 대해 틀린 설명은 무엇인가요?
이 연습은 강의의 일부입니다
이론을 실습으로 바꾸는 인터랙티브 연습 중 하나를 만나보세요
바로 뛰어들기 전에 문제를 먼저 파악해 보세요! 그런 다음 통계적·시각적으로 데이터셋을 점검하는 방법을 배웁니다.
현실의 데이터는 대부분 바로 분석할 수 있는 상태가 아닙니다. 이 장에서는 불필요한 정보를 제거하고, 결측값을 처리하며, 분석에 추가 데이터를 결합하는 방법을 학습합니다.
이 장에서는 Machine Learning 모델이 학습할 수 있도록 새로운 피처를 만드는 방법을 배웁니다. 필드를 결합해 생성하거나, 지저분한 컬럼에서 값을 추출하거나, 더 나은 성능을 위해 인코딩하는 기법을 살펴봅니다.
이 장에서는 어떤 유형의 모델을 선택할지 결정하는 법을 배우고, 준비한 데이터를 모델에 적용해 평가하는 과정을 익힙니다. 마지막으로 결과를 해석하고 모델을 저장하는 방법까지 배웁니다!
현재 연습
