Page 1 of 1
[통계] 지도학습 - 분류
이름
*
차원 축소(Dimensionality Reduction)의 주된 목표로 가장 적절한 것은 무엇인가요?
*
차원 축소(Dimensionality Reduction)의 주된 목표로 가장 적절한 것은 무엇인가요?
A
데이터의 특성(변수) 개수를 늘려 정보량을 풍부하게 만든다.
B
고차원 데이터의 중요 정보는 최대한 유지하면서 더 낮은 차원으로 변환한다.
C
모든 데이터 포인트를 정확히 동일한 값으로 변환하여 단순화한다.
D
데이터에 라벨(정답)을 부여하여 지도 학습 문제로 변환한다.
다음 중 차원 축소를 통해 얻을 수 있는 장점이 아닌 것은 무엇인가요?
*
다음 중 차원 축소를 통해 얻을 수 있는 장점이 아닌 것은 무엇인가요?
A
모델의 과적합(overfitting) 방지 효과
B
머신러닝 모델의 학습 속도 향상 및 계산 효율성 증대
C
원본 데이터의 모든 정보를 손실 없이 완벽하게 보존
D
고차원 데이터의 시각화 용이성 증대
주성분 분석(PCA)의 핵심 원리는 무엇인가요?
*
주성분 분석(PCA)의 핵심 원리는 무엇인가요?
A
데이터 포인트 간의 거리를 최소화하는 축을 찾는다.
B
데이터의 분산(variance)을 가장 크게 설명하는 새로운 축(주성분)을 순차적으로 찾는다.
C
통계적으로 독립적인 원천 신호를 분리해낸다.
D
데이터를 음수가 아닌 행렬 두 개의 곱으로 분해한다.
PCA 실습 코드에서 pca.fit_transform(X)의 역할은 무엇인가요?
*
PCA 실습 코드에서 pca.fit_transform(X)의 역할은 무엇인가요?
A
원본 데이터(X)를 표준화한다.
B
데이터로부터 주성분(PC)을 학습하고, 동시에 데이터를 해당 주성분 축으로 변환(축소)한다.
C
축소된 데이터를 다시 원본 차원으로 복원한다.
D
변환된 데이터(X_pca)를 사용하여 분류 모델을 학습시킨다.
Submit