한국어
메뉴

머신러닝의 기초

데이터를 학습용·검증용·테스트용의 3가지로 나눌 때, 검증용 데이터의 주된 용도로 적절한 것은?

  1. A하이퍼파라미터 조정이나 여러 모델의 비교에 사용한다
  2. B모델의 가중치를 갱신하기 위한 오차 계산에 사용한다
  3. C개발 마지막에 한 번만 사용하여 완성된 모델의 성능을 추정한다
정답과 해설 보기

정답: A. 하이퍼파라미터 조정이나 여러 모델의 비교에 사용한다

학습용 데이터는 모델의 가중치를 구하는 데 사용하고, 검증용 데이터는 학습률이나 층의 수 등의 하이퍼파라미터를 조정하거나 어느 모델을 채택할지 비교하는 데 사용합니다. 테스트용 데이터는 이러한 조정이 모두 끝난 뒤에 한 번만 사용하여, 처음 보는 데이터에 대한 성능을 추정합니다. 검증용 데이터의 결과를 보면서 여러 번 조정하면 모델이 검증용 데이터에도 맞춰져 가므로, 최종 평가에는 따로 남겨 둔 테스트용 데이터가 필요합니다.

이 분야 연습하기 분야로 돌아가기

머신러닝의 기초의 다른 문제

  1. 1000건의 데이터로 5-겹 교차 검증(k = 5인 k-겹 교차 검증)을 수행할 때, 1회마다 학습에 사용하는 데이터 건수는?
  2. 과적합(과대적합)이 일어나고 있을 때 보이는 모습으로 적절한 것은?
  3. 모델의 오차를 편향(bias)과 분산(variance)으로 나누어 생각할 때 적절한 것은?
  4. 과적합을 억제하는 정칙화 등의 기법에 대한 설명으로 적절한 것은?
  5. 머신러닝 모델을 만드는 절차 중 데이터 누수(평가에 사용하는 데이터의 정보가 학습에 섞여 들어가는 것)를 일으키는 것은?