[면접 합격자료] 트릿지 머신러닝 엔지니어 합격 문항 기출 최종합격

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

머신러닝 모델의 과적합을 방지하는 방법에는 여러 가지가 있습니다. 첫째, 데이터를 충분히 확보하는 것이 중요합니다. 학습 데이터가 적거나 편향될 경우 과적합이 쉽게 발생합니다. 둘째, 교차 검증(cross-validation)을 활용하여 모델이 새로운 데이터에 잘 일반화되는지 검증해야 합니다. 예를 들어, 10-fold 교차 검증을 적용하면 모델의 성능을 안정적으로 평가할 수 있습니다. 셋째, 정규화 기법을 사용하는데, L1 정규화(라쏘)와 L2 정규화(릿지)는 모델의 복잡도를 제한하여 과적합을 방지하는 데 효과적입니다. 구체적으로, 릿지 정규화를 적용하면 테스트 오차가 5% 증가하는 경우에도, 과적합으로 인한 성능 저하를 20% 이상 막을 수 있습니다. 넷째, 드롭아웃(dropout) 기법은 신경망에서 과적합을 억제하는 데 유용하며, 특정 뉴런을 학습 도중 무작위로 제거하여 일반화 능력을 향상시킵니다. 다섯째, 조기 종료(early stopping)를 활용해 검증 성능이 최고일 때 학습을 중단함으로써 과적합을 방지합니다. 마지막으로, 특성 선택(feature selection)을 통해 불필요한 변수들…