[면접 합격자료] 드라마앤컴퍼니 [리멤버] ML Engineer 합격 문항 기출 최종합격

1. 머신러닝 모델을 설계할 때 어떤 평가 지표를 선택하며 그 이유는 무엇인가요

머신러닝 모델 평가 시에는 문제 유형에 따라 적합한 평가 지표를 선택합니다. 예를 들어, 이진 분류 문제에서는 정확도(accuracy), 정밀도(precision), 재현율(recall), F1-score를 주로 사용하며, 각각의 지표는 특정 상황에서의 성능을 잘 반영합니다. 예를 들어, 고객 이탈 예측에서 재현율이 중요한 이유는 이탈 가능 고객을 놓치지 않는 것이 기업에 크기 때문입니다. 실제 사례에서는 재현율이 85% 이상인 모델이 고객 이탈률을 10% 낮추는 데 큰 기여를 했습니다. 반면, 다중 클래스 분류에서는 혼동 행렬과 함께 평균 F1-score를 활용하며, 불균형 데이터셋에서는 정밀도와 재현율의 균형을 맞추는 것이 중요합니다. 회귀 문제에서는 평균 제곱 오차(MSE), 평균 절대 오차(MAE)를 사용하여 예측값과 실제값 간의 차이를 정량적으로 평가합니다. 예를 들어, 주택 가격 예측에서는 MSE를 1,000 이하로 낮추면 예측 신뢰도가 높아지고, 실제 판매 가격 대비 오차 비율은 평균 3% 이하로 유지됩니다. 이러한 지표 선택은 모델 성능을 객관적이고 정량적으로 평가하면서, 실제 비즈니스…