[AI Tech] 2주차 9-3차시 Quiz 4

9-3. Quiz 4

1번

다음 <예시>에서 설명하는 용어로 가장 적절한 것을 고르시오.

<예시>

원본 데이터로부터 도메인 지식 등을 바탕으로 문제를 해결하는데 도움이 되는 피처를 생성 및 변환하고 이를 머신러닝 모델에 적합한 형식으로 변환하는 작업.

1) Feature Importance

2) Feature Selection

3) Cross Validation

4) Feature Engineering

피처엔지니어링(Feature Engineering)은 원본 데이터로부터 도메인 지식 등을 바탕으로 문제를 해결하는데 도움이 되는 피처를 생성 및 변환하고 이를 머신러닝 모델에 적합한 형식으로 변환하는 작업입니다.

 

2번

다음 그래프와 같이 시간 또는 순서에 따라 증가하는 데이터의 총 합계를 표시하는데 사용하는 함수를 이용한 피처 엔지니어링 방법으로 적절한 것을 고르시오.

1) Cross Validation

2) Early Stopping

3) Scaling

4) Cumsum

누적합(cumsum)은 시간 또는 순서에 따라 증가하는 데이터의 총 합계를 표시하는데 사용하는 함수입니다. 그래프에서 표시한 부분은 누적합을 이용한 피처 엔지니어링 방법이 적용된 것을 보여줍니다. 

 

3번

기존 데이터와 셔플링한 데이터의 에러 차이를 측정해 피처가 얼마나 중요한지를 파악 하는 방법으로 적절한 것을 고르시오.

1) Early Stopping

2) Permutation 피처 중요도를 측정하는 방법

3) Cross Validation

4) Filter Method

기존 데이터와 셔플링한 데이터의 에러 차이를 측정해 피처가 얼마나 중요한지를 파악 하는 방법은 Permutation 피처중요도 측정법입니다.

 

4번

피처선택(Feature Selection)방법으로 옳지 않은 것을 고르시오.

1) Filter Method

2) Wrapper Method

3) Embedded Method

4) Model-agnostic Method

Permutation 피처중요도 방법은 모델불특정법(Model-agnostic Method)에 해당합니다.

 

5번

피처선택(Feature Selection)에 대한 설명으로 옳지 않은 것을 고르시오.

1) 머신러닝 모델에서 사용할 피처를 선택하는 과정이다.

2) 타겟변수를 예측 하는데 유용한 피처를 구분하여 선택하는 과정이다.

3) 피처 선택을 통해 모델의 복잡도를 높인다.

4) 피처선택을 통해 오버피팅 방지 및 모델의 속도 향상이 가능하다.

피처 선택을 통해 모델의 복잡도를 낮춤으로써 과적합(Overfitting) 방지 및 모델의 속도 향상이 가능합니다.

 

 

 

 

 

© NAVER Connect Foundation. All Rights Reserved