4. [예시문제] 기계 학습 모델 학습 시 발생하는 문제 중, 과적합(Overfitting)과 과소적합(Underfitting)에 대한 설명으로 옳은 것은 무엇인가?

과적합은 모델이 훈련 데이터에 너무 민감하게 반응하여 복잡도가 높은 상태로, 훈련 성능은 낮고 테스트 성능은 높은 경향이 있다.
과소적합은 모델이 훈련 데이터의 패턴을 충분히 학습하지 못해 단순한 상태로, 훈련 성능과 테스트 성능 모두 낮은 경향이 있다.
과소적합을 해결하기 위해서는 일반적으로 모델의 복잡도를 높이는 대신, 정규화(Regularization) 기법을 강하게 적용해야 한다.
과적합을 해결하기 위해서는 더 많은 특징(Feature)을 추가하거나, 모델의 파라미터 수를 늘리는 것이 효과적이다.

정답: 2번

과소적합은 모델이 훈련 데이터의 기본적인 패턴조차 파악하지 못하여 훈련 성능과 테스트 성능 모두 낮게 나타나는 상태입니다. 과적합은 훈련 성능은 높지만 테스트 성능은 낮은 경우를 말하며, 이를 해결하기 위해서는 정규화, 데이터 증강, 특징 선택 등으로 모델의 복잡도를 낮추는 방법이 사용됩니다. 과소적합 해결에는 모델 복잡도 증가, 특징 추가 등이 필요합니다.