빅데이터 분석기사 필기 : 빅데이터 결과해석 (4과목) 문제은행

1 ① 과대적합 (High Variance) 2 ② 과소적합 (High Bias) 3 ③ 최적 상태 (Best Fit) 4 ④ 데이터 부족

1 ① 데이터 분석 결과 수치 2 ② 정보를 전달하는 데 도움이 되지 않고 독자의 주의를 분산시키는 불필요한 장식적 요소들 3 ③ 정확한 그래프 4 ④ 컴퓨터 쓰레기 파일

1 ① Simple Random Sampling 2 ② Stratified K-Fold Cross Validation 3 ③ Time-Series Cross Validation 4 ④ No Cross Validation

1 ① 프로그래밍이 쉬워진다. 2 ② 다양한 플랫폼(웹, 앱 등)에서 분석 모델의 예측 기능을 독립적으로 호출하고 확장할 수 있다. 3 ③ 분석 결과가 무조건 정확해진다. 4 ④ 비용이 전혀 들지 않는다.

1 ① 모델의 정확도 (Accuracy) 2 ② 투자 대비 수익률 (ROI, Return on Investment) 3 ③ 데이터 수집 비용 4 ④ 분석 보고서의 페이지 수

1 ① 내부 계산 속도가 너무 느리기 때문에 2 ② 수많은 개별 모델의 결과가 복합적으로 얽혀 있어, 특정 변수가 최종 결과에 미치는 영향을 직관적으로 설명하기 어렵기 때문에(Black-box 성격) 3 ③ 데이터 전처리 방식이 다르기 때문에 4 ④ 모델의 크기가 너무 작기 때문에

1 ① 모델이 무선으로 예측하고 있다. 2 ② 모델이 각 샘플의 정답 클래스를 높은 확률로 확신하며 정확히 맞추고 있다. 3 ③ 모델의 오차가 무한대다. 4 ④ 모델 학습이 아직 시작되지 않았다.

1 ① 데이터 증강 (Data Augmentation) 2 ② 모델의 가중치에 페널티를 주는 정칙화 (L1, L2) 3 ③ 모델의 학습 횟수를 무제한으로 늘리기 4 ④ 드롭아웃 (Dropout) 적용

1 ① 가장 단순한 앙상블 방법이다. 2 ② 여러 개별 모델의 예측 결과를 새로운 학습 데이터의 입력 변수로 사용하여 최종 메타 모델이 다시 학습하는 방식이다. 3 ③ 오직 한 가지 종류의 알고리즘만 사용해야 한다. 4 ④ 학습 속도가 가장 빠른 방식이다.

1 ① 모델의 레이블 색상 2 ② 입력 데이터의 분포 변화(Data Drift) 및 모델 성능 저하 여부 3 ③ 서버의 먼지 4 ④ 분석가의 출퇴근 시간