문제 최종 검수

선택지1

선택지2

선택지3

선택지4

정답

개념 난이도 / 선택지 난이도 / 최종 난이도

키워드

해설

비기봇 해설

정답은 2번입니다.

의사결정나무는 데이터를 분류하거나 회귀 분석을 수행하는 데 사용되는 기계 학습 모델입니다. 이 모델은 데이터를 여러 마디로 나누어 최종적으로 예측을 수행합니다. 각 마디의 분리는 특정 기준에 따라 이루어지며, 이 기준은 목표변수의 유형에 따라 달라집니다. 범주형 목표변수의 경우, 주로 지니계수, 엔트로피, 카이제곱 통계량 등이 사용되며, 연속형 목표변수의 경우에는 분산 감소량이 사용됩니다. 이러한 기준들은 마디의 순수도를 측정하여, 순수도가 높아지도록 데이터를 분리하는 데 사용됩니다.

1. 카이제곱 통계량이나 p-value를 이용하여 범주형 목표변수의 분리를 평가할 수 있다.
: 카이제곱 통계량이나 p-value는 범주형 목표변수의 분리를 평가하는 데 사용됩니다. 카이제곱 통계량은 관측된 빈도와 기대 빈도 간의 차이를 측정하여, 두 변수 간의 독립성을 검정합니다. p-value는 이 통계량이 우연히 발생할 확률을 나타내며, 작은 값일수록 두 변수 간의 관계가 강하다는 것을 의미합니다. 따라서, 카이제곱 통계량과 p-value는 범주형 목표변수의 분리 기준으로 적절합니다.

2. 지니계수는 값이 클수록 순수한 마디이므로, 분리 후 지니계수가 최대가 되도록 분할한다.
: 지니계수는 불순도를 측정하는 지표로, 값이 작을수록 순수한 마디를 의미합니다. 따라서, 분리 후 지니계수가 최소가 되도록 분할하는 것이 목표입니다. 지니계수가 클수록 순수하다고 잘못 설명하고 있으므로, 이는 적절하지 않습니다.

3. 엔트로피는 불순도를 나타내며, 분리 후 엔트로피가 작아질수록 좋은 분리로 볼 수 있다.
: 엔트로피는 불순도를 나타내는 지표로, 값이 클수록 불순도가 높습니다. 따라서, 분리 후 엔트로피가 작아질수록 좋은 분리로 간주됩니다. 이는 정보 이득을 최대화하는 방향으로 분할을 수행하는 것과 같습니다. 올바른 설명입니다.

4. 회귀나무에서는 분산감소량이 클수록 좋은 분리로 볼 수 있다.
: 회귀나무에서는 목표변수가 연속형이므로, 분산 감소량을 사용하여 분리의 질을 평가합니다. 분산 감소량이 클수록 데이터가 잘 분리되었다는 것을 의미하며, 이는 좋은 분리를 나타냅니다. 적절한 설명입니다.

지니계수는 값이 작을수록 순수한 마디를 의미하므로, 분리 후 지니계수가 최소가 되도록 분할해야 합니다. 선지2는 지니계수가 클수록 순수하다고 잘못 설명하고 있습니다. 나머지 선지들은 각각의 분리 기준에 대한 올바른 설명을 제공하고 있습니다.

따라서, 정답은 '2. 지니계수는 값이 클수록 순수한 마디이므로, 분리 후 지니계수가 최대가 되도록 분할한다.' 입니다.

1. 선택

키워드

해설

의사결정나무는 데이터를 분할하여 예측 모델을 만드는 방법으로, 각 마디(노드)를 분리할 때 기준이 되는 지표를 사용합니다. 범주형 목표변수의 경우 카이제곱 통계량이나 p-value를 사용하여 분리의 통계적 유의성을 평가할 수 있습니다. 또한 지니계수와 엔트로피는 불순도를 나타내는 지표로, 지니계수는 값이 작을수록 순수한 마디를 의미하며, 엔트로피도 작을수록 불순도가 낮아 좋은 분리로 판단합니다. 회귀나무에서는 분산감소량이 클수록 분리가 잘 되었다고 볼 수 있습니다. 따라서 지니계수는 분리 후 값이 최소가 되도록 분할하는 것이 올바른 기준입니다.

1. 카이제곱 통계량이나 p-value를 이용하여 범주형 목표변수의 분리를 평가할 수 있다.
카이제곱 통계량이나 p-value는 범주형 목표변수의 분리 기준으로 사용되며, 분리의 통계적 유의성을 평가하는 데 적합합니다. 따라서 이 선지는 적절한 설명입니다.

2. 지니계수는 값이 클수록 순수한 마디이므로, 분리 후 지니계수가 최대가 되도록 분할한다.
지니계수는 불순도를 나타내는 지표로, 값이 작을수록 순수한 마디를 의미합니다. 따라서 분리 후 지니계수가 최대가 되도록 분할한다는 설명은 잘못된 내용입니다. 지니계수는 최소화하는 방향으로 분할해야 합니다.

3. 엔트로피는 불순도를 나타내며, 분리 후 엔트로피가 작아질수록 좋은 분리로 볼 수 있다.
엔트로피는 불순도를 나타내며, 값이 작아질수록 마디가 더 순수해진다고 볼 수 있습니다. 따라서 분리 후 엔트로피가 작아지는 것이 좋은 분리임을 설명한 이 선지는 적절합니다.

4. 회귀나무에서는 분산감소량이 클수록 좋은 분리로 볼 수 있다.
회귀나무에서는 분산감소량이 클수록 분리가 잘 된 것으로 판단합니다. 따라서 이 선지도 올바른 설명입니다.

의사결정나무에서 지니계수는 불순도를 나타내는 지표로, 값이 작을수록 순수한 마디를 의미합니다. 따라서 분리 후 지니계수가 최대가 되도록 분할한다는 2번 선지는 잘못된 설명입니다. 나머지 선지들은 각각 카이제곱 통계량, 엔트로피, 분산감소량의 역할과 의미를 정확히 설명하고 있으므로 적절한 내용입니다.

따라서 정답은 '2. 지니계수는 값이 클수록 순수한 마디이므로, 분리 후 지니계수가 최대가 되도록 분할한다.' 입니다.

2. 선택

키워드

해설

의사결정나무는 데이터를 분류하거나 예측하기 위해 노드를 분할하는 과정에서 여러 가지 기준을 사용합니다. 범주형 목표변수의 경우 카이제곱 통계량, 지니계수, 엔트로피 지수를 이용하여 분리의 적합도를 평가합니다. 카이제곱 통계량은 기대도수와 실제도수의 차이를 기반으로 분리의 유의성을 판단하며, p-value를 통해 분리의 적절성을 평가할 수 있습니다. 지니계수와 엔트로피는 노드의 불순도(이질성)를 나타내는데, 지니계수와 엔트로피 값이 작을수록 노드가 더 순수하다고 판단하여 분리를 진행합니다. 반면, 회귀나무에서는 목표변수가 연속형이므로 분산감소량을 기준으로 분리의 좋고 나쁨을 평가합니다. 따라서 지니계수는 값이 작아질수록 좋은 분리이고, 분리 후 지니계수가 최대가 되도록 하는 것은 잘못된 설명입니다.

1. 카이제곱 통계량이나 p-value를 이용하여 범주형 목표변수의 분리를 평가할 수 있다.
카이제곱 통계량과 p-value는 범주형 목표변수의 분리 적합도를 평가하는 데 사용됩니다. 카이제곱 검정을 통해 분리된 그룹 간 차이가 통계적으로 유의한지를 판단할 수 있으므로 이 설명은 적절합니다.

2. 지니계수는 값이 클수록 순수한 마디이므로, 분리 후 지니계수가 최대가 되도록 분할한다.
지니계수는 노드의 불순도를 나타내며 값이 클수록 이질성이 크고 순수도가 낮습니다. 따라서 분리 후 지니계수가 최대가 되도록 하는 것은 잘못된 설명입니다. 올바른 기준은 지니계수가 최소가 되도록 분할하는 것입니다.

3. 엔트로피는 불순도를 나타내며, 분리 후 엔트로피가 작아질수록 좋은 분리로 볼 수 있다.
엔트로피는 불순도를 나타내며 값이 작을수록 노드가 더 순수하다고 판단합니다. 분리 후 엔트로피가 작아지는 것은 좋은 분리임을 의미하므로 이 설명은 적절합니다.

4. 회귀나무에서는 분산감소량이 클수록 좋은 분리로 볼 수 있다.
회귀나무에서는 목표변수가 연속형이므로 분산감소량이 클수록 분리가 더 효과적이라고 판단합니다. 따라서 이 설명은 적절합니다.

의사결정나무에서 지니계수는 노드의 불순도를 나타내며 값이 클수록 이질성이 크고 순수도가 낮습니다. 따라서 분리 후 지니계수가 최대가 되도록 분할하는 것은 잘못된 설명입니다. 반면 카이제곱 통계량과 p-value는 범주형 변수 분리 평가에 사용되고, 엔트로피는 불순도를 나타내어 값이 작아질수록 좋은 분리이며, 회귀나무에서는 분산감소량이 클수록 좋은 분리로 판단합니다. 따라서 2번 선지가 적절하지 않은 설명입니다.

따라서 정답은 '2. 지니계수는 값이 클수록 순수한 마디이므로, 분리 후 지니계수가 최대가 되도록 분할한다.' 입니다.

3. 선택

키워드

해설

의사결정나무는 데이터를 분할하여 목표변수의 이질성을 줄이는 방식으로 작동합니다. 분리 기준으로는 범주형 목표변수의 경우 카이제곱 통계량이나 p-value, 지니계수, 엔트로피 등이 사용되고, 회귀나무에서는 분산감소량을 기준으로 합니다. 지니계수와 엔트로피는 불순도를 나타내며, 값이 작아질수록 순수한 마디로 분리되었다고 판단합니다. 따라서 지니계수는 분리 후에 최소가 되도록 분할하는 것이 올바른 기준입니다. 반면, 지니계수가 커지는 방향으로 분할하는 것은 잘못된 이해입니다.

1. 카이제곱 통계량이나 p-value를 이용하여 범주형 목표변수의 분리를 평가할 수 있다.
카이제곱 통계량이나 p-value는 범주형 목표변수의 분리 적합도를 평가하는 데 사용됩니다. p-value가 작을수록 분리가 잘 되었다고 판단할 수 있어 적절한 설명입니다.

2. 지니계수는 값이 클수록 순수한 마디이므로, 분리 후 지니계수가 최대가 되도록 분할한다.
지니계수는 불순도를 나타내는 지표로, 값이 작을수록 순수한 마디를 의미합니다. 따라서 분리 후 지니계수가 최대가 되도록 분할한다는 설명은 잘못된 내용입니다. 지니계수는 최소화하는 방향으로 분할해야 올바릅니다.

3. 엔트로피는 불순도를 나타내며, 분리 후 엔트로피가 작아질수록 좋은 분리로 볼 수 있다.
엔트로피는 불확실성 또는 불순도를 나타내며, 값이 작아질수록 분리가 잘 된 것으로 판단합니다. 따라서 분리 후 엔트로피가 작아지는 것이 좋은 분리라는 설명은 적절합니다.

4. 회귀나무에서는 분산감소량이 클수록 좋은 분리로 볼 수 있다.
회귀나무에서는 분산감소량이 분리의 적합도를 평가하는 기준으로 사용됩니다. 분산감소량이 클수록 목표변수의 분산이 줄어들어 좋은 분리로 판단하므로 적절한 설명입니다.

정답은 2번입니다. 지니계수는 불순도를 나타내는 지표로, 값이 작아질수록 순수한 마디임을 의미합니다. 따라서 분리 후 지니계수가 최대가 되도록 분할한다는 설명은 잘못된 내용입니다. 나머지 선지들은 카이제곱 통계량, 엔트로피, 분산감소량 등 각각의 분리 기준을 올바르게 설명하고 있습니다.

따라서 정답은 '2. 지니계수는 값이 클수록 순수한 마디이므로, 분리 후 지니계수가 최대가 되도록 분할한다.' 입니다.

입력 데이터

수정 가능 범위 확인