문제 최종 검수

BG 빅데이터 모델링 정형 데이터 분석기법 분류 분석

10269번

문제

보기

입력된 내용이 없습니다.

선택지1

선택지2

선택지3

선택지4

정답

키워드

해설

비기봇 해설

정답은 3번입니다.

서포트벡터머신(SVM)은 결정 경계를 최대 마진 기준으로 설정하는 강력한 지도학습 모델로, 커널 기법을 통해 선형·비선형 문제 모두에 적용할 수 있습니다. 다만 모델 성능은 초매개변수 설정에 크게 의존하므로, 이 부분을 정확히 이해하는 것이 중요합니다.

1. 서포트벡터머신은 선형 커널뿐만 아니라 다항 커널, RBF 커널, 시그모이드 커널 등 다양한 형태의 커널 함수를 활용하여 비선형 데이터에 대해서도 효과적인 분류 및 회귀를 수행할 수 있다.
: SVM은 커널 트릭을 활용해 입력 공간을 고차원 특징 공간으로 매핑함으로써, 비선형 분류·회귀 문제를 효과적으로 처리할 수 있는 모델입니다.

2. 최대 마진(maximum margin)을 기준으로 결정 경계를 설정하는 구조적 특성으로 인해, 일반적으로 과적합(overfitting)이 비교적 적은 편에 속하는 머신러닝 모델이다.
: 마진을 최대화하는 구조는 모델의 일반화 성능을 높이는 방향으로 작용하여, 다른 복잡한 모델에 비해 과적합 위험이 상대적으로 낮은 편입니다.

3. 서포트벡터머신은 모델 구조가 비교적 안정적이므로, 커널 선택이나 정규화 계수C, 커널 파라미터(γ 등)와 같은 초매개변수에 대한 별도의 튜닝 과정이 필요하지 않다.
: SVM은 커널 종류, 정규화 계수 C, RBF 커널의 \\(\\gamma\\) 값 등에 따라 성능이 크게 달라집니다. 따라서 적절한 초매개변수 튜닝이 필수적이며, 이를 고려하지 않아도 된다는 설명은 적절하지 않습니다.

4. 데이터의 규모가 커질수록 커널 행렬 계산에 따른 연산량이 급격히 증가하므로, 대용량 데이터 환경에서는 학습 속도가 느린 편이라는 단점이 존재한다.
: SVM은 커널 행렬 계산 비용이 커서 데이터 수가 많아질수록 연산량과 메모리 사용량이 크게 증가하는 한계를 가집니다.

서포트벡터머신은 강력한 분류·회귀 성능을 가지지만, 커널 선택과 초매개변수 설정에 매우 민감한 모델입니다. 특히 C와 \\(\\gamma\\) 값의 조합에 따라 과적합 또는 과소적합이 발생할 수 있으므로, 교차검증 등을 통한 튜닝 과정이 필수적입니다.

따라서, 정답은 '3. 서포트벡터머신은 모델 구조가 비교적 안정적이므로, 커널 선택이나 정규화 계수(C), 커널 파라미터(γ 등)와 같은 초매개변수에 대한 별도의 튜닝 과정이 필요하지 않다.'입니다.

1차 검수 상태 :

입력 데이터

문제 최종 검수

수정 가능 범위 확인