[면접 합격자료] 라인플러스 머신러닝 데이터 과학자 합격 문항 기출 최종합격

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

머신러닝 모델의 과적합(overfitting)과 과소적합(underfitting)을 방지하기 위해 다양한 방법을 사용할 수 있습니다. 과적합은 모델이 학습 데이터의 노이즈까지 학습하여 새로운 데이터에 대한 일반화 성능이 낮아지는 현상이며, 과소적합은 모델이 데이터의 복잡성을 충분히 학습하지 못하는 상태입니다. 과적합을 방지하는 방법으로는 정규화 기법인 L1, L2 규제, 드롭아웃(dropout), 조기 종료(early stopping)를 활용할 수 있습니다. 예를 들어, L2 정규화를 적용했을 때 모델의 가중치 크기를 제한하여 과도한 적합을 방지해, 검증 손실이 5% 향상된 사례가 있습니다. 데이터 양이 부족할 경우 증강(data augmentation) 또는 더 많은 데이터 수집을 통해 모델이 일반화 능력을 갖추게 할 수 있습니다. 과소적합을 방지하려면 복잡한 모델을 사용하거나 훈련 횟수, 에포크 수를 늘리고, 피처 엔지니어링을 통해 데이터의 중요 특성을 드러내는 전략이 필요합니다. 실험적으로, 복잡한 신경망 구조를 도입하여 RMSE(평균제곱근오차)가 15% 감소한 사례도 있습…