머신 러닝 파이프라인 편집하기 (부분)

==주요 단계==
*데이터 수집 (Data Collection)
**외부 소스(API, DB, 파일 등)로부터 원시 데이터를 수집한다.
*데이터 전처리 (Data Preprocessing)
**결측값 처리, 이상치 제거, 정규화, 인코딩 등 모델 학습에 적합한 형태로 데이터를 가공한다.
*특성 선택 및 추출 (Feature Engineering)
**모델 성능에 영향을 줄 수 있는 유의미한 피처를 선택하거나, 새로 생성한다.
*학습 데이터 분리 (Train-Test Split)
**데이터셋을 학습용(train)과 평가용(test)으로 분할하여 과적합을 방지한다.
*모델 학습 (Model Training)
**머신 러닝 알고리즘에 학습 데이터를 공급하여 모델을 훈련시킨다.
*모델 평가 (Model Evaluation)
**정확도, 정밀도, 재현율, F1-score, RMSE 등 지표로 모델 성능을 측정한다.
*하이퍼파라미터 튜닝 (Hyperparameter Tuning)
**최적의 파라미터 조합을 찾기 위해 Grid Search, Random Search 등을 사용한다.
*모델 저장 및 배포 (Model Deployment)
**학습된 모델을 저장하고 API 형태로 서비스에 통합하거나, 운영 환경에 배포한다.