문제 최종 검수

선택지1

선택지2

선택지3

선택지4

정답

개념 난이도 / 선택지 난이도 / 최종 난이도

키워드

해설

비기봇 해설

1. 선택

키워드

해설

정답은 2번입니다.

앙상블 기법은 여러 개의 모델을 결합하여 단일 모델보다 더 나은 예측 성능을 얻는 방법입니다. 대표적인 앙상블 기법으로는 배깅(Bagging)과 부스팅(Boosting)이 있으며, 이들은 각각 여러 모델의 결과를 결합하여 분산을 줄이거나 편향을 줄이는 데 목적이 있습니다. 앙상블 기법은 지도학습에서 주로 사용되며, 여러 모델의 예측을 결합하여 최종 결정을 내리는 것이 핵심입니다.

1. 하나의 모형만 사용하여 분산을 증가시키는 기법이다.
: 앙상블 기법은 여러 개의 기반 모델(결정 트리 등)을 결합하여 사용하는 기법입니다. 단일 모형을 사용했을 때 발생할 수 있는 오버피팅(과적합) 문제를 해결하고, 모형의 예측 변동성(분산)을 감소시켜 전체적인 일반화 성능을 안정화하는 조건을 만족시킵니다. 따라서 하나의 모형만을 사용해 분산을 증가시킨다는 설명은 기법의 목적과 정반대입니다.

2. 대표적인 앙상블 기법에는 배깅과 부스팅이 있다.
: 표본을 복원 추출하여 여러 개의 독립적인 모형을 병렬적으로 학습시키는 배깅(Bagging)과, 이전 모형의 오차를 보완하는 방식으로 가중치를 부여하여 순차적으로 학습시키는 부스팅(Boosting)은 앙상블을 구성하는 대표적인 알고리즘 기법들입니다.

3. 모든 앙상블 기법은 반드시 비지도학습에서만 사용된다.
: 앙상블 기법은 정답 레이블(목표 변수)이 명확히 존재하는 분류(Classification) 문제나 회귀(Regression) 문제를 해결할 때 탁월한 성능을 발휘하는 대표적인 지도학습(Supervised Learning) 영역의 기법입니다. 이 설명은 앙상블의 사용 범위를 잘못 제한하고 있습니다.

4. 앙상블은 여러 모형의 결과를 결합하지 않고 하나의 결정규칙만 사용한다.
: 앙상블 기법의 핵심 원리는 '다수결의 원칙' 또는 '평균화'입니다. 분류 문제에서는 여러 모형이 예측한 결과들 중 가장 많은 표를 얻은 범주를 선택(다수결 투표, Voting)하고, 회귀 문제에서는 각 모형 예측값의 평균을 내어 최종 결론을 도출합니다. 결과들을 결합하지 않고 하나의 결정규칙만 사용하는 것은 단일 모형의 특징입니다.

앙상블 기법은 여러 모델을 결합하여 예측 성능을 개선하는 방법으로, 대표적인 예로 배깅과 부스팅이 있습니다. 1번과 4번은 앙상블의 기본 개념과 반대되는 설명이며, 3번은 앙상블이 비지도학습에만 사용된다는 잘못된 내용을 담고 있습니다. 따라서 2번이 가장 적절한 설명입니다.

따라서 정답은 '2. 대표적인 앙상블 기법에는 배깅과 부스팅이 있다.' 입니다.

2. 선택

키워드

해설

3. 선택

키워드

해설

앙상블 기법은 여러 개의 예측 모형을 결합하여 단일 모형보다 더 안정적이고 정확한 예측 결과를 얻는 방법입니다. 대표적인 앙상블 기법으로는 배깅(Bagging)과 부스팅(Boosting)이 있으며, 이들은 각각 여러 개의 모형을 독립적으로 혹은 순차적으로 학습시켜 결과를 결합합니다. 배깅은 여러 개의 부트스트랩 샘플을 만들어 각각의 모형을 학습하고 다수결 투표로 최종 결과를 결정하며, 부스팅은 이전 모형이 틀린 부분에 가중치를 주어 순차적으로 모형을 개선합니다. 앙상블 기법은 분산을 줄이고 예측력을 높이는 데 목적이 있으며, 지도학습에서 주로 사용됩니다. 따라서 하나의 모형만 사용하거나 비지도학습에만 사용된다는 설명은 옳지 않으며, 앙상블은 여러 모형의 결과를 결합하는 것이 핵심입니다.

1. 하나의 모형만 사용하여 분산을 증가시키는 기법이다.
하나의 모형만 사용하여 분산을 증가시키는 기법이라는 설명은 틀렸습니다. 앙상블 기법은 여러 개의 모형을 사용하여 분산을 줄이고 예측력을 향상시키는 방법입니다.

2. 대표적인 앙상블 기법에는 배깅과 부스팅이 있다.
대표적인 앙상블 기법으로 배깅과 부스팅이 있으며, 이들은 여러 모형을 결합하여 성능을 개선하는 방법입니다. 따라서 이 설명이 가장 적절합니다.

3. 모든 앙상블 기법은 반드시 비지도학습에서만 사용된다.
앙상블 기법은 주로 지도학습에서 사용되며, 반드시 비지도학습에서만 사용된다는 것은 사실이 아닙니다. 비지도학습에도 적용 가능하지만 주된 활용은 지도학습입니다.

4. 앙상블은 여러 모형의 결과를 결합하지 않고 하나의 결정규칙만 사용한다.
앙상블은 여러 모형의 결과를 결합하여 최종 결정을 내리는 기법으로, 하나의 결정규칙만 사용하는 것은 앙상블의 정의에 맞지 않습니다.

앙상블 기법은 여러 개의 모형을 결합하여 예측 성능을 향상시키는 방법으로, 대표적인 기법으로 배깅과 부스팅이 있습니다. 1번과 4번은 앙상블의 기본 개념과 반대되는 설명이며, 3번은 앙상블이 반드시 비지도학습에서만 사용된다는 잘못된 내용입니다. 따라서 2번이 가장 적절한 설명입니다.

따라서 정답은 '2. 대표적인 앙상블 기법에는 배깅과 부스팅이 있다.' 입니다.

입력 데이터

수정 가능 범위 확인