머신러닝 및 딥러닝의 하이퍼파라미터(hyperparameter) 최적화… | [7급 서울시 인공지능] 26년 1회차 기출문제 상세 페이지

1[7급 서울시 인공지능] 26년 1회차
머신러닝 및 딥러닝의 하이퍼파라미터(hyperparameter) 최적화 기법에 대한 설명으로 가장 옳지 않은 것은?
1
하이퍼파라미터 최적화의 목적은 하이퍼파라미터의 최적 조합을 찾아 모델의 일반화 성능을 극대화하는 것이다.
2
베이지안 최적화(Bayesian optimization)는 대리 모델(surrogate model)을 사용하여 이전 시도의 결과를 토대로 탐색 공간을 설정한 뒤, 무작위 탐색과정을 거쳐 최적값을 찾아낸다.
3
랜덤 서치(random search)는 탐색 범위 내에서 하이퍼파라미터를 무작위로 추출하여 제한된 시도 횟수 내에서 효율적으로 탐색한다.
4
그리드 서치(grid search)는 지정한 후보 값들의 모든 조합을 전수 조사하므로, 탐색 공간이 커지면 연산 시간이 급격히 증가한다.
해설

베이지안 최적화는 무작위 탐색을 거치는 방식이 아니라, 대리 모델과 획득 함수(acquisition function)로 다음 시도점을 골라내는 방식이므로 그 설명이 옳지 않다.

베이지안 최적화는 가우시안 과정 등 대리 모델로 성능을 근사하고, 획득 함수가 최대인 지점을 다음 후보로 정해 이전 결과를 반영하며 순차적으로 탐색한다.

  • 하이퍼파라미터 최적화의 목적이 최적 조합을 찾아 일반화 성능을 높이는 것이라는 설명은 옳다.
  • 랜덤 서치가 범위 내에서 무작위로 추출해 제한된 시도 횟수로 효율적으로 탐색한다는 설명은 옳다.
  • 그리드 서치가 모든 조합을 전수 조사해 탐색 공간이 커지면 연산량이 급증한다는 설명은 옳다.

오류나 개정된 내용이 보이면 알려주세요

이어서 풀어보기

[7급 서울시 인공지능] 26년 1회차 20문항 이어서 보기문제·정답·해설을 한 페이지에서 이어서 볼 수 있어요7급 서울시 인공지능 기출문제 암기장 전체 보기