한국어
메뉴

머신러닝의 기초

전체 메일의 20%가 스팸이다. 어떤 단어는 스팸의 50%와 스팸이 아닌 메일의 5%에 포함된다. 이 단어를 포함하는 메일이 스팸일 확률에 가장 가까운 것은?

  1. A0.10
  2. B0.50
  3. C0.71
정답과 해설 보기

정답: C. 0.71

베이즈 정리에 따라 P(스팸 | 단어) = P(단어 | 스팸) × P(스팸) ÷ P(단어)입니다. 분자는 0.5 × 0.2 = 0.10, 단어를 포함할 확률은 P(단어) = 0.5 × 0.2 + 0.05 × 0.8 = 0.14이므로, 0.10 ÷ 0.14 ≈ 0.71입니다. 나이브 베이즈 분류는 여러 단어(특성)가 클래스별로 서로 독립이라고 가정하고, 각각의 확률을 곱하여 이 계산을 수행하는 방법으로, 스팸 판정에 예전부터 사용되어 왔습니다.

이 분야 연습하기 분야로 돌아가기

머신러닝의 기초의 다른 문제

  1. 입력층과 출력층만으로 이루어진 단순 퍼셉트론(임계값으로 0 또는 1을 출력하는 하나의 뉴런)으로 나타낼 수 없는 논리 함수는?
  2. 3클래스 분류에서 소프트맥스 함수에 입력하는 값(로짓)이 3, 1, 0이었다. 1번째 클래스의 출력(확률)은 2번째 클래스 출력의 약 몇 배인가? 가장 가까운 것은?
  3. 입력이 x₁ = 1, x₂ = 2인 작은 신경망에서 은닉층의 두 뉴런이 h₁ = ReLU(x₁ + x₂ − 1), h₂ = ReLU(x₁ − 2x₂ + 1)이고, 출력이 y = 2h₁ + 3h₂ + 1이다. y의 값은?
  4. 정답 클래스에 대해 모델이 출력한 확률을 p라고 할 때, 분류 학습에서 사용하는 교차 엔트로피 손실 −log p의 성질로 적절한 것은?
  5. 경사 하강법에서 가중치 w = 2.0에서의 손실의 기울기 ∂L/∂w가 0.5, 학습률이 0.1일 때, 1회 갱신 후의 가중치는?