과대적합과 과소적합을 공부하면서 모델의 복잡도와 오차를 비교했습니다. 다항식의 차수를 이용해서 복잡도가 달라질 때 훈련과 오차 성능이 어떻게 변화하는지 살펴보았죠. 오차와 복잡도는 서로 밀접하게 연관되어 있습니다. 앞으로 공부할 학습 방법 중 일부는 훈련 오차를 위해 복잡도를 희생하기도 합니다. 좋은 공장 기계를 만들려면 입력-출력의 관계를 잘 이해하고 손잡이에 적절한 값을 선택해야 합니다. 이러한 ‘좋은 모델의 조건’은 회귀 모델과 분류 모델 모두에 일반적으로 적용되는 개념입니다. 앞으로 진도를 나가면서 여러 다른 알고리즘을 몇 가지 조건으로 기술할 수 있을 것입니다. 이 조건에는 모델이 오차와 복잡도를 처리하는 방법이 포함됩니다.