[면접 합격자료] 디알비동일 Machine Learning 엔지니어 합격 문항 기출 최종합격

1. 머신러닝 모델의 과적합(overfitting)과 과소적합(underfitting)을 방지하는 방법에 대해 설명하시오.

머신러닝 모델의 과적합을 방지하기 위해서는 먼저 데이터의 양을 늘리는 것이 중요합니다. 데이터 증강, 사전 처리 등을 통해 노이즈를 줄이고 일반화 성능을 높일 수 있습니다. 정규화 기법, L1, L2 규제 등을 도입하여 모델의 복잡도를 제한하는 것도 효과적입니다. 드롭아웃, 조기 종료(early stopping) 같은 방법을 활용하여 학습 중에 과도한 적합을 방지하고, 교차 검증을 통해 모델이 학습 데이터에 과도하게 적합되지 않도록 검증하는 과정이 필요합니다. 반면 과소적합은 모델이 데이터의 패턴을 제대로 학습하지 못하는 상태로, 이 경우에는 더 깊거나 복잡한 모델을 사용하거나, feature 엔지니어링을 통해 유용한 변수들을 추가하는 방법이 효과적입니다. 예를 들어, Kaggle 대회에서는 데이터 셋이 크고 복잡할수록 ensemble 방법과 변수 선택, 정규화를 병행하여 과적합을 줄이고 일반화 성능을 높였습니다. 실험에 따르면, 정규화와 조기 종료를 병행했을 때 검증 정확도가 5% 이상 향상되었으며, 데이터 증강과 규제 기법 병행 시 과적합률이 10% …