• 옵티마이저(optimizer): 데이터와 손실 함수를 바탕으로 모델의 업데이트 방법을 결정합니다.

• 손실 함수(loss function): 훈련하는 동안 출력과 실제 값(정답) 사이의 오차를 측정합니다. 즉, wx+b를 계산한 값과 실제 y의 오차를 구해서 모델 정확성을 측정합니다. 이때 y가 연속형 변수일 경우에는 평균 제곱 오차(MSE)를 많이 사용합니다.

• 지표(metrics): 훈련과 검증 단계를 모니터링하여 모델의 성능을 측정합니다.

ⓐ 아담(Adam) 옵티마이저를 사용합니다.

ⓑ sparse_categorical_crossentropy는 다중 분류에서 사용되는 손실 함수입니다.

ⓒ 'accuracy'는 훈련에 대한 정확도를 나타내는 것으로, 값이 1에 가까울수록 좋은 모델이라고 할 수 있습니다.