기계학습에서 발생할 수 있는 과적합(overfitting)을 완화하기 … | [7급 국가직 인공지능] 24년 1회차 기출문제 상세 페이지
1[7급 국가직 인공지능] 24년 1회차
기계학습에서 발생할 수 있는 과적합(overfitting)을 완화하기 위한 방법으로 옳지 않은 것은?
1
드롭아웃(dropout)은 학습 과정에서 노드를 미리 정해진 비율만큼 랜덤으로 비활성화하여 과적합을 완화한다.
2
배치 정규화(batch normalization)는 은닉층의 가중치를 정규화 하고 노드값의 표준편차를 증대시켜 과적합을 완화한다.
3
데이터 증강(data augmentation)은 기존 학습 데이터에 약간의 변형을 가한 새로운 학습 데이터를 추가하여 과적합을 완화한다.
4
규제화(regularization)는 오차 함수를 오차 항과 모델 복잡도 항의 합으로 정의하여 가중치의 절댓값을 제한함으로써 과적합을 완화한다.
해설
옳지 않은 것은 배치 정규화가 가중치를 정규화하고 표준편차를 증대시킨다는 설명이다.
배치 정규화는 미니배치 단위로 각 층의 입력(활성값)을 평균 0, 분산 1로 정규화한 뒤 스케일·이동을 학습한다. 분포를 안정시키는 것이지 표준편차를 키우는 것이 아니다.
- 드롭아웃: 학습 중 일정 비율의 노드를 무작위로 비활성화해 과적합을 완화한다.
- 데이터 증강: 기존 데이터에 회전·이동 등 변형을 가한 데이터를 추가해 과적합을 완화한다.
- 규제화: 오차 항에 모델 복잡도(가중치 크기) 항을 더해 가중치를 제한함으로써 과적합을 완화한다.
오류나 개정된 내용이 보이면 알려주세요