[면접 합격자료] SK ICT Family ML(Machine Learning) DS(Data Scientist) De(Data Engineer) 합격 문항 기출 최종합격

1. 머신러닝 모델의 과적합(overfitting)과 과소적합(underfitting)의 차이점과 이를 방지하는 방법에 대해 설명하세요.

머신러닝 모델의 과적합(overfitting)은 학습 데이터에 지나치게 적합하여 새로운 데이터에 대해 일반화 성능이 떨어지는 상황입니다. 예를 들어, 1000개의 학습 샘플과 20개 특성을 이용한 회귀 모델에서 과적합이 발생하면, 학습 오차는 1% 이하인 반면 검증 오차는 10% 이상 증가하는 현상이 나타납니다. 반면, 과소적합(underfitting)은 모델이 학습 데이터의 패턴을 제대로 학습하지 못하여 오차가 모두 높은 상태를 의미합니다. 이 경우 학습 오차와 검증 오차 모두 높게 나타나며, 예를 들어 학습 오차가 20%, 검증 오차도 25% 이상인 경우를 들 수 있습니다. 이를 방지하기 위해서는 모델 복잡도를 적절히 조절하는 것이 중요하며, 정규화 기법(L1, L, 교차검증, 드롭아웃, 조기 종료 등의 기법을 활용할 수 있습니다. 예를 들어, 랜덤 포레스트의 경우 트리의 깊이나 수를 조절하여 과적합을 방지할 수 있으며, 정규화는 수치적 안정성과 일반화 성능을 높여줍니다. 또한, 데이터 양을 늘리거나 데이터 증강을 하는 것도 과적합을 감소시키…