[면접 합격자료] 라인플러스 Machine Learning Engineer 합격 문항 기출 최종합격

1. 머신러닝 모델의 과적합(overfitting)과 과소적합(underfitting)의 차이점을 설명하시오.

과적합(overfitting)은 모델이 학습 데이터에 지나치게 맞춰져서 새로운 데이터에 대한 일반화 능력이 떨어지는 현상입니다. 예를 들어, 학습 데이터에 노이즈나 특정 패턴을 과도하게 학습하여 검증 데이터에서의 성능이 저하됩니다. 일반적으로 학습 오차는 낮지만 테스트 오차가 높아지며, 모델의 복잡도가 지나치게 높거나 학습 데이터가 작거나 잡음이 많은 경우에 발생합니다. 반면, 과소적합(underfitting)은 모델이 학습 데이터의 핵심 패턴을 제대로 학습하지 못하는 상황입니다. 이는 모델이 너무 단순하거나 학습이 충분히 이루어지지 않아, 학습 세트에서도 성능이 낮고 검증 세트에서도 성능이 좋지 않습니다. 예를 들어, 선형 회귀 모델로 복잡한 비선형 데이터를 학습하려 할 때, 높은 편향으로 인해 오류가 크거나, 학습 epochs를 부족하게 설정하여 충분한 학습이 이뤄지지 않는 경우가 있습니다. 통계적으로 과적합 시 학습 오차는 0에 가까워지지만 검증 오차는 최소값을 넘어서 증가하는 특징을 보이고, 과소적합 시 둘 다 높은 오차를 유지하는 경향이 명…