신경망 학습에서 에포크가 늘수록 훈련 오차는 계속 줄지만 검증 오차는 … | [ADsP] 데이터분석 준전문가 기출유형 모의고사 5회 상세 페이지
1[ADsP] 데이터분석 준전문가 기출유형 모의고사 5회
신경망 학습에서 에포크가 늘수록 훈련 오차는 계속 줄지만 검증 오차는 어느 시점부터 커지기 시작했다. 이때 과적합을 막는 조치로 가장 적절한 것은?
1
은닉층과 은닉 노드를 더 추가
2
검증 오차가 최소인 시점에서 학습 중단
3
학습률을 크게 높여 빠르게 수렴
4
에포크 수를 두 배로 늘려 계속 학습
해설
검증 오차가 다시 커지는 것은 훈련 데이터의 잡음까지 외우는 과적합 신호이므로, 검증 오차가 가장 작을 때 멈추는 조기 종료(Early Stopping)가 적절하다.
그 밖에 은닉 노드 축소나 가중치 감소(Weight Decay) 같은 규제로도 모형 복잡도를 낮춘다.
- 에포크 증가: 검증 오차가 더 커져 과적합이 심해진다
- 은닉층·노드 추가: 모형 복잡도가 커져 과적합 위험이 늘어난다
- 학습률 상향: 수렴이 불안정해질 뿐 과적합 해결책이 아니다
오류나 개정된 내용이 보이면 알려주세요