이 문제는 실제 기출문제를 그대로 옮긴 것이 아닙니다. 국가평생교육진흥원이 공개한 독학사 2단계 머신러닝 출제기준을 바탕으로 새로 구성한 비교형 연습 문제입니다. 실제 회차의 문항 수·난이도는 다를 수 있으므로 공식 시행 공고를 함께 확인해야 한다. 이 편은 1013편(회귀·분류·앙상블 알고리즘)과 1819편(평가 지표·모델 선택)에서 다룬 “A와 B의 차이”, “어느 상황에 어떤 방법을 쓸 것인가”를 21문항으로 재구성했다.
독학사 머신러닝 과목은 알고리즘 이름과 정의를 아는 것만으로는 부족하다. “이 상황에는 어떤 알고리즘이 더 적절한가”, “A 방법과 B 방법의 차이는 정확히 무엇인가”를 묻는 비교형 문항이 특히 많다. “옳지 않은 것은?” 유형이 섞여 있으니 문제 지시문을 끝까지 읽고 접근한다.
학습 패러다임·회귀 비교 (1–4번)
문제 14지선다
지도학습과 비지도학습의 차이에 대한 설명으로 옳지 않은 것은?
문제 24지선다
선형회귀와 로지스틱 회귀를 비교한 설명으로 옳은 것은?
문제 34지선다
릿지 회귀와 라쏘 회귀의 비교로 옳지 않은 것은?
문제 44지선다
다항 회귀(polynomial regression)와 단순 선형회귀를 비교한 설명으로 옳은 것은?
분류 알고리즘 비교 (5–10번)
문제 54지선다
결정트리와 나이브 베이즈를 비교한 설명으로 옳은 것은?
문제 64지선다
K-NN과 SVM을 비교한 설명으로 옳지 않은 것은?
문제 74지선다
랜덤포레스트(random forest)와 단일 결정트리를 비교한 설명으로 옳은 것은?
문제 84지선다
배깅 기반 앙상블(예: 랜덤포레스트)과 부스팅 기반 앙상블(예: AdaBoost)을 비교한 설명으로 옳지 않은 것은?
문제 94지선다
스팸 메일 필터처럼 정상 메일을 스팸으로 잘못 분류하는 것(오탐)에 특히 민감한 상황에서 상대적으로 더 중요하게 고려해야 할 지표는?
문제 104지선다
데이터가 극단적으로 불균형(양성 1퍼센트, 음성 99퍼센트)한 상황에서 모델 성능을 평가할 때, 정확도(accuracy)만 사용하는 것이 부적절한 이유로 가장 적절한 것은?
비지도학습·차원 축소 비교 (11–15번)
문제 114지선다
K-means와 계층적 군집(hierarchical clustering)을 비교한 설명으로 옳은 것은?
문제 124지선다
K-means와 DBSCAN을 비교한 설명으로 옳지 않은 것은?
문제 134지선다
PCA(주성분 분석)와 LDA(선형판별분석)를 비교한 설명으로 옳은 것은?
문제 144지선다
차원 축소를 적용했을 때 나타나는 트레이드오프에 대한 설명으로 옳지 않은 것은?
문제 154지선다
연관 규칙 분석에서 지지도(support), 신뢰도(confidence), 향상도(lift)를 비교한 설명으로 옳은 것은?
신경망·모델 선택 비교 (16–21번)
문제 164지선다
단일 퍼셉트론과 다층 퍼셉트론(MLP)을 비교한 설명으로 옳은 것은?
문제 174지선다
모델의 복잡도가 지나치게 높아 훈련 데이터에는 잘 맞지만 새로운 데이터에서 성능이 떨어지는 상황(과적합)에 대한 대응으로 옳지 않은 것은?
문제 184지선다
k-폴드 교차검증(k-fold cross-validation)과 단순 훈련/검증 데이터 1회 분할(hold-out)을 비교한 설명으로 옳은 것은?
문제 194지선다
편향(bias)이 높은 모델과 분산(variance)이 높은 모델을 비교한 설명으로 옳은 것은?
문제 204지선다
해석 가능성(interpretability)이 매우 중요한 상황(예: 대출 승인 여부를 고객에게 설명해야 하는 경우)에서 상대적으로 더 적합한 모델에 대한 설명으로 가장 적절한 것은?
문제 214지선다
ROC 곡선과 AUC(Area Under the Curve)에 대한 설명으로 옳지 않은 것은?
참고 자료
Last updated on