[면접 합격자료] EA코리아 ML Software Engineer 합격 문항 기출 최종합격

1. 머신러닝 모델의 과적합과 과소적합의 차이점을 설명하시오.

머신러닝 모델의 과적합과 과소적합은 모델의 일반화 성능에 큰 영향을 미치는 두 가지 중요한 개념입니다. 과적합은 학습 데이터에 너무 맞춰져서 새로운 데이터에 대한 성능이 떨어지는 현상입니다. 예를 들어, 학생 성적 예측 모델에서 훈련 데이터의 특이값이나 노이즈까지 모두 학습하여 테스트 데이터의 정확도가 70%에 머무를 때, 훈련 데이터 정확도는 98%로 높아집니다. 이는 모델이 복잡해서 데이터를 과도하게 학습하기 때문입니다. 반면, 과소적합은 모델이 학습 데이터를 제대로 학습하지 못해서 성능이 낮은 상태를 의미합니다. 예를 들어, 단순한 선형 회귀모델이 복잡한 이미지 분류 문제에 적용되어 테스트 정확도 60%에 머무른다면, 이는 충분히 학습하지 않거나 특성 추출이 부족한 상태입니다. 수치상으로 보면 과적합은 훈련 데이터와 테스트 데이터 간의 성능 차이가 20% 이상 벌어질 때 나타나며, 과소적합은 두 데이터의 성능이 낮고 차이도 크지 않거나 모두 낮은 경우입니다. 따라서 적절한 복잡도를 유지하고 교차 검증, 정규화, 조기 종료 등 다양한 방법으로 과적합과 과소적…