신경망에서 학습의 진행에 따른 학습 데이터의 손실값과 검증 데이터의 손… | [7급 국가직 인공지능] 26년 1회차 기출문제 상세 페이지
1[7급 국가직 인공지능] 26년 1회차
신경망에서 학습의 진행에 따른 학습 데이터의 손실값과 검증 데이터의 손실값이 다음과 같을 때, 이에 대한 설명으로 옳지 않은 것은?
1
학습 데이터를 추가하여 검증 손실값을 학습 손실값에 근접시킬 수 있다.
2
신경망 학습 모델이 학습 데이터 세트의 패턴을 적절히 학습하지 못했다는 의미이다.
3
신경망의 은닉층 개수, 뉴런의 개수 등 학습 매개 변수가 과도하게 많으면 발생할 수 있다.
4
신경망에서 검증 손실값이 다시 상승하는 현상을 완화하기 위하여 가중치 규제 방법이 사용될 수 있다.
해설
그래프는 학습 손실은 계속 줄지만 검증 손실이 어느 지점부터 다시 오르는 과대적합(overfitting)이므로, 모델이 학습 데이터의 패턴을 학습하지 못했다는 설명이 옳지 않다.
학습 데이터의 패턴을 제대로 학습하지 못한 상태는 학습 손실 자체가 높게 남는 과소적합이다. 그림에서는 학습 손실이 매우 낮아져 오히려 학습 데이터에 지나치게 맞춰졌다.
- 학습 데이터 추가: 데이터가 많아지면 일반화 성능이 좋아져 검증 손실을 학습 손실 쪽으로 낮출 수 있다.
- 은닉층·뉴런 수 과다: 모델 용량이 지나치게 크면 학습 데이터를 암기해 과대적합이 생길 수 있다.
- 가중치 규제: L1·L2 같은 가중치 규제는 과대적합을 완화하는 대표적인 방법이다.
오류나 개정된 내용이 보이면 알려주세요