머신러닝 기초 복습
머신러닝 기초 복습
퀴즈
'데이터의 비합리적인 효과(Unreasonable effectiveness of data)' 논문의 핵심 주장은 무엇입니까?
- ○최신 모델을 사용하는 것이 데이터의 양보다 항상 더 중요하다.
- ○모형 간의 성능 차이에도 불구하고 데이터가 증가할 수록 모든 모형에서 성능이 향상된다.
- ○데이터가 많아질수록 과대적합 문제가 심각해져 성능이 오히려 떨어진다.
- ○도메인 지식을 활용하는 것이 데이터의 양을 늘리는 것보다 효과적이다.
퀴즈를 풀려면 대화형 기능을 불러와야 합니다.
'데이터의 비합리적인 효과(Unreasonable effectiveness of data)' 논문의 핵심 주장은 무엇입니까?
모형의 정교함보다 '데이터' 자체의 힘을 강조한 개념입니다.
지도 학습(Supervised Learning)의 가장 핵심적인 특징은 무엇입니까?
지도 학습은 입력(x)과 출력(y)의 관계를 모델링합니다. 여기서 y가 바로 라벨(정답)에 해당합니다.
비지도 학습(Unsupervised Learning)의 주된 목적은 무엇입니까?
비지도 학습은 정답(라벨)이 없는 상태에서 데이터의 특성을 파악하는 데 중점을 둡니다.
강화 학습(Reinforcement Learning)에서 행위자(agent)의 궁극적인 목표는 무엇입니까?
행위자는 현재 상태(S)에서 어떤 행동(A)을 해야 미래의 누적 보상(G)이 가장 커질지를 학습합니다.
탐색적 데이터 분석(EDA)에 대한 설명으로 가장 올바른 것은 무엇입니까?
EDA는 데이터를 '탐색'하는 것에 중점을 둡니다. 가설을 '확인'하는 것은 확인적 데이터 분석(CDA)입니다.
KNN 알고리즘에 대한 설명으로 가장 올바른 것은 무엇입니까?
알고리즘의 이름 'K-Nearest Neighbors'에 핵심 원리가 담겨 있습니다. 예측 시점에 계산이 이뤄지는 '게으른 학습' 방식입니다.
결측치를 해당 변수의 '평균값'으로 대체할 경우 발생할 수 있는 주요 단점은 무엇입니까?
모든 결측치가 동일한 '평균' 값으로 채워지면 데이터의 전체적인 '흩어짐' 정도가 어떻게 될까요?