성능이 만족스럽지 않을 경우, 하이퍼파라미터 튜닝을 통해 모델을 개선할 수 있습니다. 그리드 서치, 랜덤 서치와 같은 기법을 사용하여 최적의 파라미터를 찾는 것이 중요합니다. 테스트 데이터: 모델이 학습한 내용을 실제로 얼마나 잘 예측하는지를 검증하기 위한 데이터입니다. 하지만 보다시피 블렌드 파일로 불러오면 지저분한 상태이기 때문에 스컬핑과 폴리곤 개수를 늘려 다듬어 주면 됩니다. https://conpick.ai/