데이터를 k개의 그룹으로 나누고, 1개를 평가용, 나머지를 학습용으로 하여 학습과 평가를 수행하는 것을 평가용 그룹을 바꿔 가며 k회 반복하고, k회 평가의 평균으로 모델의 성능을 추정하는 방법(k-겹 교차 검증). 모든 데이터가 한 번씩 평가에 사용되므로 한정된 데이터를 효과적으로 쓸 수 있고, 데이터를 나누는 방법에 따른 평가의 변동을 줄일 수 있다. 하이퍼파라미터 조정이나 모델 선택에 사용하며, 계산량은 약 k배가 된다.
일본어 명칭: 交差検証
교차 검증(Cross-validation)은(는) 머신러닝의 기초 등 1개 분야의 연습 문제 2개에 나와요.
분야: 머신러닝의 기초
정답: B. 800건
k-겹 교차 검증에서는 데이터를 k개의 그룹으로 나누고, 그중 1개를 평가용, 나머지 k − 1개를 학습용으로 하여 학습과 평가를 수행합니다. 평가용 그룹을 바꿔 가며 k회 반복하고, k회 평가의 평균을 모델의 성능으로 삼습니다. 5-겹에서는 1그룹이 1000 ÷ 5 = 200건이므로, 1회 학습에는 200 × 4 = 800건을 사용하며 학습은 5회 수행합니다. 모든 데이터가 한 번씩 평가에 사용되므로, 데이터가 적을 때도 성능을 안정적으로 추정할 수 있습니다.
k-겹 교차 검증에서는 데이터를 k개의 그룹으로 나누고, 그중 1개를 평가용, 나머지 k − 1개를 학습용으로 하여 학습과 평가를 수행합니다.
1000건의 데이터로 5-겹 교차 검증(k = 5인 k-겹 교차 검증)을 수행할 때, 1회마다 학습에 사용…일반적으로 모델을 복잡하게 하면 편향은 줄고 분산은 늘어나므로, 둘의 균형이 맞는 복잡도를 검증용 데이터나 교차 검증으로 고릅니다.
모델의 오차를 편향(bias)과 분산(variance)으로 나누어 생각할 때 적절한 것은?기댓값(Expected Value) 과적합(Overfitting) 강화 학습(Reinforcement Learning) 경사 하강법(Gradient Descent) 비지도 학습(Unsupervised Learning) 순환 신경망(RNN) 전이 학습(Transfer Learning) 정밀도와 재현율(Precision and Recall) 정칙화(Regularization) 주성분 분석(PCA)