빅데이터분석기사 빅데이터 결과 해석 예상문제

빅데이터분석기사 빅데이터 결과 해석 예상문제 미리보기

빅데이터 결과 해석 과목 22문항 중 8문항입니다. 정답과 해설은 눌러서 확인할 수 있습니다.

1. 빅데이터 결과 해석1번 문항
   편향(bias)-분산(variance) 트레이드오프에 대한 설명으로 옳은 것은?
   1. 1.편향이 큰 모형은 학습 데이터의 잡음까지 학습한 상태를 뜻한다
   2. 2.분산이 큰 모형은 학습 데이터가 바뀌어도 예측이 거의 변하지 않는다
   3. 3.모형 복잡도를 높이면 편향과 분산이 함께 줄어든다
   4. 4.모형이 지나치게 단순하면 편향이 커지고, 지나치게 복잡하면 분산이 커진다
   정답·해설 보기

   정답 4번. 모형이 지나치게 단순하면 편향이 커지고, 지나치게 복잡하면 분산이 커진다

   예측오차는 편향의 제곱과 분산, 줄일 수 없는 오차의 합으로 분해되며, 단순한 모형은 편향이 커져 과소적합하고 복잡한 모형은 분산이 커져 과대적합하기 쉽다. 분산이 크다는 것은 학습 데이터가 조금만 달라져도 예측이 크게 흔들린다는 의미이다.

2. 빅데이터 결과 해석2번 문항
   회귀 성능지표 MAE와 MSE의 차이에 대한 설명으로 옳은 것은?
   1. 1.두 지표 모두 값이 클수록 예측이 정확함을 의미한다
   2. 2.MSE는 오차를 제곱하므로 MAE보다 큰 오차에 더 민감하게 반응한다
   3. 3.RMSE는 MSE에 제곱근을 취하지 않은 값이어서 항상 MSE보다 크다
   4. 4.MAE는 오차를 제곱해 평균하므로 단위가 원자료 단위의 제곱이 된다
   정답·해설 보기

   정답 2번. MSE는 오차를 제곱하므로 MAE보다 큰 오차에 더 민감하게 반응한다

   MAE는 오차 절댓값의 평균, MSE는 오차 제곱의 평균이므로 큰 오차에 더 큰 가중치가 부여되어 이상치의 영향을 크게 받는다. MSE는 단위가 원자료의 제곱이 되므로 제곱근을 취한 RMSE로 단위를 맞추며, 세 지표 모두 값이 작을수록 예측이 정확하다.

3. 빅데이터 결과 해석3번 문항
   분류모델 평가에서 정밀도(Precision)의 정의로 옳은 것은?
   1. 1.(TP+TN)/전체
   2. 2.TP/(TP+FP)
   3. 3.TN/(TN+FP)
   4. 4.TP/(TP+FN)
   정답·해설 보기

   정답 2번. TP/(TP+FP)

   정밀도는 모델이 양성이라 예측한 것 중 실제 양성의 비율로 TP/(TP+FP)이다. TP/(TP+FN)은 재현율이다.

4. 빅데이터 결과 해석4번 문항
   회귀모델의 성능평가 지표로 적절한 것은?
   1. 1.혼동행렬
   2. 2.RMSE(평균제곱근오차)
   3. 3.정확도(Accuracy)
   4. 4.F1-score
   정답·해설 보기

   정답 2번. RMSE(평균제곱근오차)

   RMSE는 예측값과 실제값의 오차 크기를 나타내는 회귀모델 평가지표이다. 정확도·F1·혼동행렬은 분류모델 지표이다.

5. 빅데이터 결과 해석5번 문항
   하이퍼파라미터 탐색 방법에 대한 설명으로 옳은 것은?
   1. 1.하이퍼파라미터는 모형이 학습 데이터로부터 자동 추정하므로 사용자가 지정할 수 없다
   2. 2.랜덤 서치는 연속형 값을 다룰 수 없어 범주형 하이퍼파라미터에만 적용된다
   3. 3.그리드 서치는 지정한 후보 값의 모든 조합을 시도하므로 후보가 늘어날수록 계산량이 급격히 증가한다
   4. 4.랜덤 서치는 모든 후보 조합을 빠짐없이 시도하므로 그리드 서치보다 항상 오래 걸린다
   정답·해설 보기

   정답 3번. 그리드 서치는 지정한 후보 값의 모든 조합을 시도하므로 후보가 늘어날수록 계산량이 급격히 증가한다

   그리드 서치는 후보 값의 모든 조합을 전수 탐색하므로 탐색 대상이 늘면 조합 수가 곱으로 증가한다. 랜덤 서치는 정해진 횟수만큼 조합을 무작위로 뽑아 시도하므로 연속형 값도 다룰 수 있고 적은 비용으로 유사한 성능을 얻는 경우가 많으며, 하이퍼파라미터는 학습으로 추정되는 값이 아니라 사용자가 설정하는 값이다.

6. 빅데이터 결과 해석6번 문항
   혼동행렬에서 실제 음성을 음성으로 올바르게 예측한 경우를 나타내는 것은?
   1. 1.False Positive(FP)
   2. 2.False Negative(FN)
   3. 3.True Positive(TP)
   4. 4.True Negative(TN)
   정답·해설 보기

   정답 4번. True Negative(TN)

   True Negative(TN)는 실제 음성을 음성으로 정확히 예측한 경우이다. FP는 음성을 양성으로 잘못 예측한 경우이다.

7. 빅데이터 결과 해석7번 문항
   ROC 곡선의 구성에 대한 설명으로 옳은 것은?
   1. 1.분류 임계값을 변화시키며 가로축에 거짓양성률(1−특이도), 세로축에 참양성률(재현율)을 그린 곡선이다
   2. 2.임계값과 무관하게 모형마다 하나의 점으로만 표현된다
   3. 3.가로축에 학습 반복 횟수, 세로축에 손실값을 그린 곡선이다
   4. 4.가로축에 정밀도, 세로축에 재현율을 그린 곡선이다
   정답·해설 보기

   정답 1번. 분류 임계값을 변화시키며 가로축에 거짓양성률(1−특이도), 세로축에 참양성률(재현율)을 그린 곡선이다

   ROC 곡선은 분류 임계값을 연속적으로 바꾸면서 거짓양성률과 참양성률의 변화를 나타낸 곡선으로, 좌상단에 가까울수록 성능이 좋다. 정밀도와 재현율을 축으로 삼는 것은 PR 곡선이며, 대각선은 무작위 분류 수준을 의미한다.

8. 빅데이터 결과 해석8번 문항
   혼동행렬에서 TP=40, FP=10, FN=20, TN=30일 때 정밀도(Precision)는?
   1. 1.0.5
   2. 2.0.6
   3. 3.0.7
   4. 4.0.8
   정답·해설 보기

   정답 4번. 0.8

   정밀도 = TP/(TP+FP) = 40/(40+10) = 40/50 = 0.8이다. 모델이 양성이라 예측한 것 중 실제 양성의 비율을 뜻한다.