1. 오늘의 학습 목표오늘은 머신러닝 모델을 만들 때 데이터를 어떻게 나누고, 어떻게 평가해야 하는지를 중심으로 학습했다.이전에는 데이터 수집, EDA, 이상치, 결측치, 인코딩, 스케일링처럼 모델링 전에 필요한 전처리 과정을 정리했다면, 오늘은 그 다음 단계인 데이터 분리와 모델 검증 과정을 다뤘다.오늘의 목표는 크게 세 가지다.첫 번째는 과적합이 무엇인지 이해하는 것이다. 모델이 학습 데이터에만 지나치게 잘 맞고, 새로운 데이터에는 약해지는 상황을 배웠다.두 번째는 train/test 데이터를 분리해서 모델을 평가하는 흐름을 익히는 것이다. 모델을 학습하는 데이터와 평가하는 데이터를 나눠야 실제 예측 성능을 조금 더 객관적으로 확인할 수 있다.세 번째는 교차 검증과 GridSearch의 개념을 정리하..