모델은 학습된 근사치입니다. 입력을 받아 수학적 변환을 적용하고 출력을 생성합니다. 이 변환은 훈련을 통해 다듬어지며, 모델의 품질은 새로운 데이터에 얼마나 잘 일반화되는지로 평가됩니다.

모델은 다양한 형태를 띤다. 선형 회귀는 직선을 맞추고, 의사결정 트리는 데이터를 재귀적으로 분할하며, 신경망은 학습된 함수들의 계층으로 구성된다. 각 모델은 장점, 단점, 그리고 데이터에 대한 가정을 가지고 있다.

모델을 정의하는 것은 무엇일까요?

• 아키텍처 및 파라미터 개수
• 훈련 절차 및 목표
• 입력 및 출력 형식
• 제외 데이터에 대한 성능
• 계산 및 메모리 요구 사항

어떤 모델도 절대적으로 옳지 않습니다. 모델은 특정 작업, 데이터 세트 및 배포 환경에 따라 유용할 수도 있고 그렇지 않을 수도 있습니다. 동일한 아키텍처가 한 문제에서는 성공할 수 있지만 다른 문제에서는 실패할 수도 있습니다.