본 연구는 양자화 및 비트 심도 최적화 기법을 구현하여 복잡한 학습 모델을 최적화하는 것을 목표로 한다. 복잡한 모델의 긴 실행 시간 문제를 해결하기 위해 모델 효율성을 유지하면서 시간 복잡성을 크게 줄이는 데 중점을 두었다. 두 개의 의료 데이터 세트를 사용하여 로지스틱 회귀(LR) 머신러닝 모델을 적용했다. 효율적인 양자화 및 비트 심도 최적화 전략을 사용하여 입력 데이터를 float64에서 float32 및 int32로 다운스케일링 했다. 결과는 시간 복잡성이 크게 감소했으며, 최적화 후 모델 정확도가 최소한으로 감소하여 최첨단 최적화 접근 방식을 보여주었다. 이 종합 연구는 이러한 최적화 기술의 영향이 일련의 매개변수에 따라 달라진다는 결론을 내렸다.
