기존 모델링 학습중 epoch시 마다 테스트를 하는 validation 데이터를 처리할때 train데이터의 일부를 활용하는 방법을 사용을 했다(validation_split)
validation_data는 단순학습이 아니고 따로 평가를 위해 데이터를 준비하는 경우를 의미하며 정확도를 올리는 과정이다.
history 기능을 사용해 단순히 train데이터의 loss와 accuracy만 가지고 판단하기에는 overfitting의 문제를 거를 수 없다. 따라서 별도의 validation_data의 loss와 accuracy를 함께 확인함으로써 실제 test 데이터에서의 예측을 보다 정확히 할 수 있다.
epoch_history = model.fit(X_train , y_train , epochs=10 ,validation_data= (X_test,y_test) )
'인공지능 > 딥러닝' 카테고리의 다른 글
| CNN(Convolutional Neural Network) 컨볼루션 (0) | 2022.12.29 |
|---|---|
| 딥러닝 하이퍼 파라미터 : Drop Out 이란? (0) | 2022.12.29 |
| 에포크 학습 데이터/밸리데이션데이터와 오버피팅 (0) | 2022.12.29 |
| 딥러닝 파라미터 : validation_split (0) | 2022.12.28 |
| 텐서플로우 인공지능 컴파일중 learning rate를 옵티마이저에서 셋팅하는 코드 (0) | 2022.12.28 |