빅데이터분석기사 빅데이터 모델링 예상문제

빅데이터분석기사 빅데이터 모델링 예상문제 미리보기

빅데이터 모델링 과목 28문항 중 8문항입니다. 정답과 해설은 눌러서 확인할 수 있습니다.

1. 빅데이터 모델링1번 문항
   이메일이 스팸인지 아닌지를 예측하는 문제에 가장 적합한 분석 유형은?
   1. 1.연관규칙 분석
   2. 2.분류
   3. 3.회귀
   4. 4.군집화
   정답·해설 보기

   정답 2번. 분류

   스팸 여부처럼 범주형(이산형) 목표변수를 예측하는 문제는 분류에 해당한다. 회귀는 매출액과 같은 연속형 값을 예측할 때 사용한다.

2. 빅데이터 모델링2번 문항
   서포트 벡터 머신(SVM)에 대한 설명으로 옳은 것은?
   1. 1.두 클래스를 나누는 초평면 중 마진(margin)이 최대가 되는 초평면을 찾는다
   2. 2.선형으로 분리되지 않는 데이터에는 적용할 수 없다
   3. 3.군집 수를 사전에 지정해야 하는 비지도학습 기법이다
   4. 4.모든 학습 데이터가 결정 경계 결정에 동일한 비중으로 관여한다
   정답·해설 보기

   정답 1번. 두 클래스를 나누는 초평면 중 마진(margin)이 최대가 되는 초평면을 찾는다

   SVM은 클래스 사이의 여유 폭인 마진을 최대화하는 결정 경계를 찾는 지도학습 기법으로, 경계에 가장 가까운 서포트 벡터만 경계 결정에 영향을 준다. 선형 분리가 어려운 자료도 커널 함수를 이용해 고차원 공간으로 매핑하면 분리할 수 있다.

3. 빅데이터 모델링3번 문항
   K-최근접이웃(KNN) 알고리즘에 대한 설명으로 옳은 것은?
   1. 1.학습 단계에서 모델 파라미터를 추정해 두므로 예측 시 계산량이 거의 없다
   2. 2.K값을 키울수록 예측 성능이 항상 단조적으로 좋아진다
   3. 3.변수의 단위가 달라도 거리 계산에 영향이 없어 스케일링이 필요 없다
   4. 4.K값이 작을수록 결정 경계가 복잡해져 잡음에 민감하고 과적합 위험이 커진다
   정답·해설 보기

   정답 4번. K값이 작을수록 결정 경계가 복잡해져 잡음에 민감하고 과적합 위험이 커진다

   KNN은 K가 작으면 인접한 소수 관측치에 좌우되어 경계가 복잡해지고 잡음에 취약하며, K가 지나치게 크면 경계가 뭉개져 과소적합이 된다. 또한 학습 시 모델을 만들지 않고 예측 시 거리를 계산하는 게으른 학습기이며, 거리 기반이므로 변수 스케일을 반드시 맞춰야 한다.

4. 빅데이터 모델링4번 문항
   과대적합(overfitting)에 대한 설명으로 옳은 것은?
   1. 1.학습데이터에는 잘 맞으나 새 데이터에는 성능이 떨어진다
   2. 2.학습·검증 데이터 모두 성능이 낮다
   3. 3.모델이 너무 단순하여 패턴을 못 잡는다
   4. 4.항상 규제를 강하게 할수록 발생한다
   정답·해설 보기

   정답 1번. 학습데이터에는 잘 맞으나 새 데이터에는 성능이 떨어진다

   과대적합은 모델이 학습데이터에 지나치게 맞춰져 일반화 성능이 떨어지는 현상으로, 검증데이터 성능 저하로 나타난다.

5. 빅데이터 모델링5번 문항
   경사하강법에서 학습률(learning rate) 설정에 대한 설명으로 옳은 것은?
   1. 1.학습률을 0으로 두면 가장 안정적으로 수렴한다
   2. 2.학습률은 손실함수의 형태를 결정하는 값으로 전처리 단계에서 자동으로 정해진다
   3. 3.학습률이 작을수록 항상 더 좋은 해에 더 빨리 도달한다
   4. 4.학습률이 지나치게 크면 최솟값을 지나쳐 손실이 진동하거나 발산할 수 있다
   정답·해설 보기

   정답 4번. 학습률이 지나치게 크면 최솟값을 지나쳐 손실이 진동하거나 발산할 수 있다

   학습률은 기울기 방향으로 이동하는 보폭을 정하는 하이퍼파라미터로, 너무 크면 최솟값을 건너뛰어 손실이 진동·발산하고 너무 작으면 수렴이 매우 느려진다. 학습률이 0이면 가중치 갱신 자체가 일어나지 않아 학습이 진행되지 않는다.

6. 빅데이터 모델링6번 문항
   시계열 분석의 정상성(stationarity)과 ARIMA 모형에 대한 설명으로 옳은 것은?
   1. 1.ARIMA(p, d, q)에서 d는 계절 주기의 길이를 지정하는 값이다
   2. 2.분산이 시점에 따라 변하는 자료는 어떤 변환으로도 정상화할 수 없다
   3. 3.추세가 있어 비정상인 시계열은 차분을 통해 정상 시계열로 바꾼 뒤 모형을 적합한다
   4. 4.정상 시계열이란 시점에 따라 평균과 분산이 계속 변하는 시계열을 말한다
   정답·해설 보기

   정답 3번. 추세가 있어 비정상인 시계열은 차분을 통해 정상 시계열로 바꾼 뒤 모형을 적합한다

   정상 시계열은 시점에 관계없이 평균과 분산이 일정한 시계열이며, 추세로 인한 비정상성은 차분으로 제거한다. ARIMA(p, d, q)의 d는 차분 횟수를 뜻하고, 시점에 따라 분산이 변하는 경우에는 로그 변환 등으로 분산을 안정화할 수 있다.

7. 빅데이터 모델링7번 문항
   딥러닝 신경망 구조에 대한 설명으로 옳은 것은?
   1. 1.RNN은 이미지의 지역 특징을 뽑기 위해 합성곱 필터와 풀링 연산을 사용한다
   2. 2.순환신경망(RNN)은 이전 시점의 은닉 상태를 현재 입력과 함께 사용해 순차 데이터를 처리한다
   3. 3.합성곱신경망(CNN)은 시계열의 장기 의존성을 기억하기 위해 순환 구조를 사용한다
   4. 4.LSTM은 RNN보다 구조가 단순해 장기 의존성 문제를 고려하지 않아도 된다
   정답·해설 보기

   정답 2번. 순환신경망(RNN)은 이전 시점의 은닉 상태를 현재 입력과 함께 사용해 순차 데이터를 처리한다

   RNN은 은닉 상태를 다음 시점으로 순환시켜 문장이나 시계열 같은 순차 데이터를 처리하며, 시점이 길어질 때 발생하는 장기 의존성 문제를 완화하기 위해 게이트 구조를 갖춘 LSTM과 GRU가 사용된다. 합성곱 필터와 풀링으로 지역 특징을 추출하는 것은 CNN의 특징이다.

8. 빅데이터 모델링8번 문항
   지도학습(Supervised Learning)에 해당하는 것은?
   1. 1.연관규칙을 찾는 Apriori
   2. 2.정답 레이블을 이용해 예측하는 분류·회귀
   3. 3.차원을 축소하는 PCA
   4. 4.레이블이 없는 데이터를 군집으로 묶는 K-means
   정답·해설 보기

   정답 2번. 정답 레이블을 이용해 예측하는 분류·회귀

   지도학습은 입력과 정답(레이블)이 주어진 데이터로 학습하는 방식으로 분류·회귀가 대표적이다. K-means, PCA, Apriori는 비지도학습에 속한다.