[면접 합격자료] 29CM Machine Learning Software Engineer, 합격 문항 기출 최종합격

1. 머신러닝 모델의 overfitting과 underfitting의 차이점에 대해 설명하시오.

머신러닝 모델의 overfitting과 underfitting은 각각 모델이 데이터를 얼마나 잘 일반화하는지에 따라 구분됩니다. overfitting은 모델이 학습 데이터에 너무 치중하여 잡음이나 이상값까지 학습하는 현상입니다. 예를 들어, 1000개의 학습 샘플과 20개의 테스트 샘플이 있다고 할 때, overfitting된 모델은 학습 데이터에서는 95% 이상의 정확도를 보이나 테스트 데이터에서는 70% 이하의 정확도를 나타냅니다. 이는 모델이 학습 데이터의 세부사항에 과하게 적응했기 때문입니다. 반면 underfitting은 모델이 학습 데이터의 기본 패턴도 제대로 학습하지 못하는 상태로, 복잡도가 낮거나 학습을 충분히 하지 않아 training과 testing 정확도가 모두 낮아집니다. 예를 들어, 선형 모델로 복잡한 비선형 패턴을 학습하려고 할 때, training 정확도가 60% 이하이고 테스트 정확도도 비슷하게 낮아지는 경우입니다. overfitting은 모델의 복잡도를 높이고 정규화 기법을 적용하여 해결할 수 있으며, underfitting은 모델의 복잡도를 높이거나 충분한 학습을 통해 개선이 가능합니다. 두 현상 모…