머신러닝:개요 편집하기 (부분)

==성능측정방법==
데이터를 훈련세트, 검증세트, 테스트세트로 나누어 사용한다. 검증세트와 테스트세트는 거의 유사하지만, 검증세트는 모델의 성능을 평가하며 층 수나 유닛 수를 설정하기 때문에 완전히 깨끗하게 검증을 위한 자료라 보기 어렵다.(하이퍼파라미터를 조정할 때마다 검증데이터에 대한 정보가 모델에 누설된다 본다.) 때문에 최후에 테스트세트를 두어 최대한 정확한 성능측정을 꾀한다.

===단순 홀드아웃 검증(hold-out-validation)===
데이터의 일정량을 테스트 세트로 분리. 

데이터가 적을 땐 검증, 테스트세트의 샘플이 너무 적어 전체데이터를 통계적으로 대표한다고 보기 어렵다.

===K-겹 교차검증===
k는 숫자. 데이터를 k개로 분할, 각 분할모델에서 각자 평가,

===셔플링을 사용한 반복 K-겹 교차검증===
<br />