꽁짜 점심은 없다!
David Wolpert "The Lack of A Priori Distinctions Between Learning Algorithms",(1996) 에서 나온 말이라고 한다.
데이터에 관해 완벽하게 어떤 가정도 하지 않으면 한모델을 다른 모델보다 선호할 근거가 없음이라는데
학습된 모델은 데이터기반으로 되어 있어 철저하게 데이터셋에 종속된다. 즉, 데이터가 엉망이면 엉망인 결과가 나올 수 밖에 없다.
목표를 분명히 정하고
양질의 데이터로
학습을 잘 시켜야
결과가 나온다는 소리다.
예를들어, iris 3종류를 분류하는 모델로 5종류를 분류할 수 없다 가르쳐 줘야 하죠;;
머신러닝은 마법이 아니다. 내가 만든 모델이 멍청한 것은 내가 멍청해서라는 소리다 ㅎ
반응형
댓글