classifiers에 열 가지 분류기를, classifier_names에 각 분류기의 이름을 지정했습니다. 결과가 저장될 빈 리스트를 각각 modelaccuracies, modelmeans, modelnames라고 저장한 후 열 번의 분류기 학습 결과를 저장하게 했습니다.

가장 높은 분류 결과를 보인 것은 75.88% 정확도를 보인 에이다 부스트로 나오고 있네요. 다만 앞서 Tip에서 설명한 것처럼 열 번의 교차 검증을 진행할 때마다 데이터의 조합이 달라지므로 결괏값도 실행할 때마다 조금씩 달라집니다. 대체로 데이터의 수가 많아지면 많아질수록 이러한 차이는 점점 줄어듭니다.

전체를 한눈에 보여 주는 그래프를 통해 직관적으로 어떤 분류기가 지금 실행하는 데이터에 적절한지 알 수 있습니다. <모두의 딥러닝>에 나와 있는 다른 데이터, 혹은 여러분이 직접 만든 데이터에 각종 분류기를 적용해 보면서 내 프로젝트에 꼭 맞는 분류기와 적절한 옵션을 찾는 연습을 해 보길 바랍니다.