1. 들어가며
2. 모델 평가
3. 결론

1. 들어가며

주피터 노트북(Jupyter Notebook)은 데이터 분석과 모델링을 위한 훌륭한 도구입니다. 이번 글에서는 주피터 노트북을 활용하여 훈련된 모델을 평가하는 방법에 대해 살펴보겠습니다.

2. 모델 평가

모델을 평가하는 방법 중 하나는 평가 지표(evaluation metric)를 사용하는 것입니다. 회귀 모델의 경우 평균 제곱 오차(Mean Squared Error, MSE)나 결정 계수(Coefficient of Determination, R-squared)를 사용할 수 있고, 분류 모델의 경우 정확도(Accuracy)나 정밀도(Precision), 재현율(Recall) 등을 사용할 수 있습니다.

이제 모델을 평가하기 위해 주피터 노트북에서 다음과 같이 코드를 실행할 수 있습니다.

from sklearn.metrics import accuracy_score
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression

# 데이터 불러오기 및 전처리
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 모델 훈련
model = LogisticRegression()
model.fit(X_train, y_train)

# 예측
y_pred = model.predict(X_test)

# 정확도 계산
accuracy = accuracy_score(y_test, y_pred)
print(f'정확도: {accuracy}')

위 코드는 로지스틱 회귀 모델을 사용하여 분류 모델을 평가하는 예시입니다. 이를 통해 모델의 예측 정확도를 쉽게 계산할 수 있습니다.

3. 결론

주피터 노트북을 활용하여 모델을 평가하는 것은 매우 간편하며, 다양한 평가 지표를 쉽게 계산할 수 있습니다. 이를 통해 모델의 성능을 정량적으로 파악할 수 있어 모델 개선에 도움이 될 것입니다.