테스트 세트의 정확도는 97.8%로 나왔습니다. 훈련 세트 정확도(98.9%)보다는 약간 낮습니다. 훈련 정확도와 테스트 정확도 사이의 차이는 과대적합(overfitting) 때문입니다. 이는 머신 러닝 모델이 훈련 데이터보다 새로운 데이터에서 성능이 낮아지는 경향을 말합니다. 과대적합은 3장에서 자세하게 논의합니다.

이것으로 첫 번째 예제가 마무리되었습니다. 15줄 미만의 파이썬 코드로 손글씨 숫자를 분류하는 신경망을 만들고 훈련시켰습니다. 이 장과 다음 장에서 여기에서 보았던 코드 하나하나를 상세하게 설명하고 이들이 의미하는 바를 명확하게 알아보겠습니다. 이제 텐서, 모델에 주입하는 데이터의 저장 형태, 층을 만들어 주는 텐서 연산, 모델을 훈련 샘플로부터 학습시키는 경사 하강법에 대해 알아보겠습니다.