<aside> 💡 1번 10 2번 10 3번 10 4번 10 5번 10 해설까지 좋았습니다!

</aside>

이론문제 1. rainmapmap

Supervised learning → 지도학습

• 입력과 타깃 전달하여 모델 훈련, 새로운 데이터 예측하는데 활용 ( k-최근접 이웃)

Unsupervised learning → 비지도학습

• 입력 데이터만 존재. 입력 데이터의 특성 찾거나 오류 찾는데 주로 활용

정답 : 4

해설 : 비지도 학습은 무엇을 예측할 수 없음. 입력 데이터만 존재하므로 훈련이 불가능함

이론문제 2. DATASET을 구분해보자

Overfitting

• 학습 데이터를 training set 과 test set 으로 나누어 이용함에 따라 training set 에서의 overfitting 을 방지한다.

  학습을 계속 시킬수록 training set 의 정확도는 계속해서 증가할 것이다.

  하지만 필요 이상의 학습으로 overfitting 될 경우 test set 에서의 정확도는 점점 떨어진다.

  대부분 train set : test set = 8 : 2 또는 9 : 1

  (정리)

  training data 에 대해 과하게 학습된 상황

  training data 에 대한 정확도는 높지만 실제 test 에서는 에러가 날 수 있는 상황, 즉 학습 데이터 이외의 데이터에 대해서는 모델이 잘 동작하지 못한다.

Validation set

• 사용 이유

  : 모델의 성능을 평가하기 위해서

  : overfitting 막을 수 있음

  • training accuracy 는 높은데, validation accuracy 낮다면 데이터가 training set에 overfitting 이 일어났을 가능성을 생각해볼 수 있다. overfitting 을 막아서 training accuracy를 희생하더라도 validation accuracy 와 training accuracy 를 비슷하게 맞춰줄 필요가 있다.

Underfitting

• underfitting(과소적합)은 이미 있는 train set 도 학습을 하지 못한 상태