[면접 합격자료] 티빙 머신러닝 엔지니어 (Machine Learning Engineer) 합격 문항 기출 최종합격

1. 머신러닝 모델의 과적합(overfitting)과 과소적합(underfitting)을 어떻게 구분하고 해결하는 방법에 대해 설명하시오.

머신러닝 모델의 과적합은 학습 데이터에 너무 치중되어 새로운 데이터에 대한 일반화 성능이 낮아지는 현상으로, 검증 데이터의 성능이 학습 데이터보다 낮거나 오히려 감소하는 경우가 많습니다. 예를 들어, 테스트 오차가 2%였던 데이터에 대해 학습 오차는 0. 5%로 낮지만 검증 오차가 10% 이상으로 증가한다면 과적합 의심이 가능합니다. 반면, 과소적합은 모델이 데이터의 패턴을 충분히 학습하지 못해 높은 오차가 발생하는 상태로, 학습 셋과 검증 셋 모두 오차가 높게 나타경우입니다. 이를 해결하기 위해 과적합 시에는 정규화(릿지, 라쏘), 드롭아웃, 조기 종료 등을 활용하며, 데이터 양을 늘리거나 특성 선택을 통해 모델 복잡도를 낮춥니다. 과소적합의 경우에는 모델 복잡도를 높이거나, 더 많은 특징을 반영하는 새로운 특징 엔지니어링을 수행하며, 학습 반복횟수를 늘리는 것도 도움이 됩니다. 실무에서는 교차 검증을 통해 적절한 하이퍼파라미터를 찾고, 검증 곡선이나 학습 곡선을 분석하여 과적합과 과소적합을 구분하는 것…