훈련 데이터의 중요성

교육 데이터가 중요한 이유는 무엇입니까?

기계 학습 모델의 효율성은 교육 데이터로 모델을 얼마나 잘 교육했는지에 따라 달라집니다.

예를 들어 보겠습니다. 가위바위보 모델에서 다음과 같이 손가락을 벌리고 손가락을 오므린 종이 포즈를 표시해 보세요.

이 오류가 발생하지 않으면 모델을 올바르게 학습한 것입니다. 그렇지 않다면 이 부분도 놓친 것입니다!

모델에 따르면 컴퓨터가 기호를 종이로 식별하려면 5개의 손가락이 분리된 물체가 있어야 하고 바위의 경우 하나의 솔리드가 필요합니다. 그렇기 때문에 모든 손가락을 닫았을 때 기계가 그것을 Rock으로 식별합니다.

모델을 부정확하게 만드는 다른 요인도 있습니다.

1. 손 위치 : 다른 손과 거꾸로 된 것과 같은 다른 위치.
2. 배경 : 배경이 바뀌면 모델은 클래스의 이미지를 연관시키기 어려울 것입니다.
3. 손이 너무 가깝거나 너무 멀다 : 이러한 동작을 카메라에서 너무 가깝거나 너무 멀리 하려고 하면 오류가 발생할 수 있습니다.

이 문제에 대한 해결책은 하나뿐입니다. 더 다양한 학습 데이터로 모델을 학습시키는 것입니다. 더 많은 교육 데이터는 더 정확한 모델을 의미합니다.

탐색: Teachable Machine에서 가위바위보 모델을 더 다양한 이미지로 재훈련하고 정확도를 테스트할 수 있습니다.