[면접 합격자료] 줌인터넷 머신러닝 개발&데이터 분석 합격 문항 기출 최종합격

1. 머신러닝 모델의 과적합(overfitting)을 방지하는 방법에는 어떤 것들이 있나요

머신러닝 모델의 과적합(overfitting)을 방지하는 방법에는 여러 가지가 있습니다. 데이터 양을 늘리는 것이 가장 효과적입니다. 더 많은 데이터를 사용하면 모델이 특정 데이터에만 적합되는 것을 방지할 수 있으며, 예를 들어, 이미지 인식에서는 데이터 증강(augmentation) 기법을 활용하여 회전, 크기 조절, 색상 변화 등을 통해 30% 이상 데이터 다양성을 확보할 수 있습니다. 정규화(regularization)를 적용하는 것도 중요한데, L1 또는 L2 정규화를 통해 모델 복잡도를 제한하면 테스트 정확도가 안정적으로 증가하는 사례가 많습니다. 드롭아웃(dropout)은 신경망에서 특정 뉴런을 임의로 제거하여 과적합을 방지하는 기법으로, 특정 실험에서는 검증 손실을 20% 이상 낮췄으며, 교차 검증(cross-validation)을 활용하여 하이퍼파라미터를 튜닝하면 모델이 특정 데이터 세트에 과도하게 맞춰지는 것을 방지할 수 있습니다. 조기 종료(early stopping)를 사용하면 검증 손실이 증가하기 시작할 때 학습을 멈춰 과적합을 막을 수 있으며, 특히 딥러닝 모델에서는 10 에포크 전 자동…