그래디언트 부스팅(GBM)이 각 단계에서 새 약한 학습기를 적합하는 대… | [ADsP] 데이터분석 준전문가 기출유형 모의고사 9회 상세 페이지
1[ADsP] 데이터분석 준전문가 기출유형 모의고사 9회
그래디언트 부스팅(GBM)이 각 단계에서 새 약한 학습기를 적합하는 대상으로 옳은 것은?
1
무작위로 고른 일부 입력 변수
2
부트스트랩으로 복원추출한 새 표본
3
원래 목표변수 값 그대로
4
이전 모형의 잔차(음의 기울기)
해설
GBM 은 앞선 모형이 설명하지 못한 부분, 즉 손실 함수의 음의 기울기(잔차)를 다음 학습기가 학습하도록 순차적으로 더해 간다.
제곱오차 손실에서는 음의 기울기가 곧 잔차이며, 학습률로 각 단계 기여를 줄여 과적합을 늦춘다.
- 부트스트랩 표본: 배깅이 각 모형을 독립적으로 만드는 방식이다
- 변수 무작위 선택: 랜덤 포레스트의 분할 방식이다
- 원래 목표값: 매 단계 같은 목표를 쓰면 순차 보정이 안 된다
오류나 개정된 내용이 보이면 알려주세요