머신런닝 공부를 하면서 느낀 점

일반적이고 당연한 것이겠지만

1. 데이터의 속성을 세밀하게 분석할 필요가 있다.

대부분 제공되는 오픈된 소스에서 보면 코드의 70~80가 전처리 부분이다.

한줄 한줄에 대한 이해가 필요함.

바꿀 수 있는 요소를 찾고 검토를 해야 함.

2. BP 사례를 찾아 최적이라 생각되는 모델을 구성할 필요가 있다.

나중에 모델의 구조를 변경하게 되면 하이퍼파라미터의 재수정이 들어가야되는 상황이 발생하므로

최적이라 판단되는 혹은 레퍼런스가 많은 모델 구조를 우선 만들 필요가 있다.

3. 하이퍼 파라미터의 수정은 기록이다.

우선 모델을 어느정도 구조화시킨 다음에는 다양한 파라미터를 수정해 가면서 정확도를 예측하게 되는데

어떤 전략으로 수정해 나갈지 사전에 계획하고 수정사항들을 꼼꼼히 기록할 필요가 있어 보인다.

4. 시각화도 중요하다.

데이터 전처리에서 데이터 시각화, 학습을 시킨 결과를 시각화함으로써 조금 더 큰 시각으로 수정 방향을 잡을 수 있지 않을까 싶다.

5. 코딩을 할때 변경이 예상되는 변수는 빼서 관리.

코드를 왔다갔다 하면서 값을 직접 변경하는 것이 아니라 변수로 빼서 관리하는 것이 좋을 것 같다.

그리고 함수 형태로 코딩을 해서 재사용성도 높이고...