정현석

개인 저장공간입니다.
Since 2021.10

5 분 소요

빅데이터 분석기사 실기 대비 차원에서 정리한 문제풀이다. 기출문제 데이터셋은 https://github.com/ingu627/BigDataAnalysis에 수록했다.

정답 확인은 문제 왼쪽의 토글을 클릭한다. ▶ 이거.

해당 글을 PDF로 받고 싶다면 이메일과 함께 댓글로 남겨주세요.

3단원. 빅데이터 모델링

1.

두 개 이상의 변수 간에 존재하는 상호 연관성의 정도를 측정하여 분석하는 방법 변수의 개수 및 데이터 속성에 따라서 세부 모델들로 분류 정답: 상관 분석

2.

하나 이상의 독립변수들이 종속변수에 미치는 영향을 추정할 수 있는 통계 기법을 무엇이라 하는가? 정답: 회귀 분석[^1]

3.

두 개 이상의 집단 간 비교를 수행하고자 할 때 집단 내의 분산, 총평균과 각 집단의 평균 차이에 의해 생긴 집단 간 분산 비교로 얻은 분포를 이용하여 가설 검정을 수행하는 방법은 무엇인가? 정답: 분산 분석

4.

많은 변수의 분산 방식(분산, 공분산)의 패턴을 간결하게 표현하는 주성분 변수를 원래 변수의 선형 결합으로 추출하는 통계 기법은 무엇인가? 정답: 주성분 분석

5.

집단에 대한 정보로부터 집단을 구별할 수 있는 판별규칙 혹은 판별함수를 만들고, 다변량 기법으로 조사된 집단에 대한 정보를 활용하여 새로운 개체가 어떤 집단인지를 탐색하는 통계 기법은 무엇인가? 정답: 판별 분석

6.

( ) 알고리즘은 각 독립변수를 이분화하는 과정을 반복하여 이진 트리 형태를 형성함으로써 분류를 수행하는 방법이다. 정답: CART[^2] CART 알고리즘은 지니 지수 또는 분산의 감소량을 이용하여 이분화(Binary Split)를 수행하는 알고리즘이다.

7.

의사 결정 규칙을 트리구조로 도표화하여 분류와 예측을 수행하는 분석 방법 데이터들이 가진 속성들로부터 분할 기준 속성을 판별하고, 분할 기준 속성에 따라 트리 형태로 모델링하는 분류 예측 모델 정답: 의사결정나무 의사결정나무는 판별 분석, 회귀 분석 등과 같은 변수 모형을 분석하기 위해 사전에 이상값을 검색할 때 사용한다.

8.

사람 두뇌의 신경세포인 뉴런이 전기신호를 전달하는 모습을 모방한 예측 모델은 무엇인가? 정답: 인공 신경망

9.

K개 소집단의 중심좌표를 이용하여 각 객체와 중심좌표 간의 거리를 산출하고, 가장 근접한 소집단에 배정한 후 해당 소집단의 중심좌표를 업데이트하는 방식으로 군집화하는 알고리즘은 무엇인가? 정답: K-평균 군집화 알고리즘[^3]

10.

머신러닝에서 정답인 레이블(Label)이 포함되어 있는 훈련 데이터를 통해 컴퓨터를 학습시키는 방법을 무엇이라 하는가? 정답: 지도 학습

11.

의사결정나무의 특징인 분산이 크다는 점을 고려하여 배깅과 부스팅보다 더 많은 무작위성을 주어 약한 학습기들을 생성한 후 이를 선형 결합하여 최종 학습기를 만드는 방법은 무엇인가? 정답: 랜덤 포레스트[^4]

12.

입력 데이터에 대한 정답인 레이블(Label) 없는 상태에서 데이터가 어떻게 구성되었는지를 알아내는 기계 학습 기법 정답: 비지도 학습

13.

대뇌피질의 시각피질을 모델화한 인공 신경망의 일종으로, 차원 축소(Dimensionality Reduction)와 군집화(Clustering)를 동시에 수행하는 기법은 무엇인가? 정답: 자기 조직화 지도

14.

모델에서 외적인 요소로 데이터 분석을 통해 얻어지는 값이 아니라 사용자가 직접 설정해주는 값을 무엇이라 하는가? 정답: 초매개변수(하이퍼 파라미터)

15.

분석 모형을 구축할 때 적정 수준의 학습이 부족하여 모델이 단순해지는 현상으로 훈련 데이터와 테스트 데이터에 잘 동작하지 않는 것을 무엇이라 하는가? 정답: 과소 적합

16.

독립변수 후보 모두를 포함한 모형에서 출발한 제곱 합의 기준으로 가장 적은 영향을 주는 변수부터 하나씩 제거하면서 더 이상 유의하지 않은 변수가 없을 때까지 설명변수들을 제거하고 이때의 모형을 선택하는 변수 선택 방법은 무엇인가? 정답: 후진 소거법

17.

절편만 있는 상수 모형부터 시작해 중요하다고 생각되는 설명변수를 차례로 모형에 추가하는 변수 선택 기법은 무엇인가? 정답: 전진 선택법

18.

의사결정나무의 분석 과정 중 분석의 목적과 자료구조에 따라서 적절한 분리 규칙(Splitting Rule)을 찾아서 나무를 성장시키는 과정으로 적절한 정지 규칙(Stopping Rule)을 만족하면 중단하는 단계는 무엇인가? 정답: 의사결정나무 성장

19.

의사결정나무의 분석 과정 중 분류 오류(Classification Error)를 크게 할 위험(Risk)이 높거나 부적절한 추론 규칙을 가지고 있는 가지(Branch) 또는 불필요한 가지를 제거하는 단계는 무엇인가? 정답: 가지치기

20.

가지치기를 사용할 때 학습자료를 사용 목표변수가 반드시 범주형이어야 하며, 불순도의 측도로는 엔트로피 지수(Entropy Index) 사용 CART와는 다르게 각 마디에서 다지 분리(Multiple Split)가 가능하며 범주형 입력변수에 대해서는 범주의 수만큼 분리가 일어남 정답: C4.5와 C5.0 C4.5는 ID3 알고리즘의 단점을 보완하고 새로운 기능을 추가한 알고리즘이다. 수치형 속성 처리, 결측치 처리, 속성선택 시 Branch의 수에 대한 가중치 적용, 가지치기(Pruning) 등의 기능을 추가하였다.

21.

변수의 선택에서 범주의 개수가 많은 범주형 변수로의 편향(Bias)이 심각한 CART의 문제점을 개선한 알고리즘으로, 분리 방법은 이진 분리(Binary Split)를 사용하는 의사결정나무 알고리즘은 무엇인가? 정답: QUEST

22.

입력층과 출력층 사이에 하나 이상의 은닉층을 두어 비선형적으로 분리되는 데이터에 대해 학습이 가능한 기법은 무엇인가? 정답: 다층 퍼셉트론

23.

역방향으로 오차를 전파하면서 각 층의 가중치를 업데이트하고 최적의 학습 결과를 찾아가는 방법은 무엇인가? 정답: 역전파 알고리즘

24.

시그모이드 함수가 역전파를 위해 미분을 수행하는데, 미분 값을 계속 곱하다 보면 0에 가까워져 기울기가 사라지는 현상을 무엇이라 하는가? 정답: 기울기 소실

25.

image

다음 그래프가 의미하는 활성화 함수는 무엇인가? 정답: ReLU

26.

image

다음 그래프가 의미하는 활성화 함수는 무엇인가? 정답: 시그모이드 함수

27.

서포트 벡터 머신에서 마진(Margin)의 안쪽이나 바깥쪽에 절대로 잘못 분류된 오 분류를 허용하지 않는 SVM 종류는 무엇인가? 정답: 하드 마진 방식 하드 마진 방식은 매우 엄격하게 두 개의 클래스를 분리하는 초평면을 구하는 방법으로, 모든 입력은 초평면을 사이에 두고 무조건 하나의 클래스에 속해야 하는 방법이다.

28.

()은/는 벡터 공간에서 훈련 데이터가 속한 2개의 그룹을 분류하기 위해 선형 분리자를 찾는 지도 학습 모델이다. ()은/는 기계 학습의 한 분야로 사물 인식, 패턴 인식, 손 글씨 숫자 인식 등 다양한 분야에서 활용되고 있는 지도 학습 모델이다. 정답: 서포트 벡터 머신(SVM)[^5]

29.

서포트 벡터 머신에서 선형 분리가 불가능할 때 분류를 위해 허용된 오차 변수를 무엇이라 하는가? 정답: 슬랙 변수

30.

데이터 간의 관계에서 조건과 반응을 연결하는 분석으로 장바구니 분석(Market Basket Analysis), 서열 분석(Sequence Analysis)이라고도 하는 용어는 무엇인가? 정답: 연관성 분석

31.

두 집합 사이의 유사도를 측정하는 방법으로, 0과 1사이의 값을 가지며 두 집합이 동일하면 1의 값, 공통의 원소가 하나도 없으면 0의 값을 가지는 계수는 무엇인가? 정답: 자카드 계수

32.

관측되지 않은 잠재변수에 의존하는 확률 모델에서 최대 가능도나 최대사후 확률을 갖는 모수의 추정값을 찾는 반복적인 알고리즘은 무엇인가? 정답: EM 알고리즘

33.

1개의 요인을 대상으로 표본 집단의 분포가 주어진 특정 이론을 따르고 있는지를 검정하는 기법은 무엇인가? 정답: 적합도 검정

34.

각각의 독립적인 부모집단으로부터 정해진 표본의 크기만큼 자료를 추출하는 경우에 관측값들이 정해진 범주 내에서 서로 동질한지(비슷하게 나타나고 있는지) 여부를 검정하는 기법은 무엇인가? 정답: 동질성 검정

35.

시계열 모델 중 자신의 과거 값을 사용하여 설명하는 모형으로 백색 잡음과 결합해 현재 분기/반기/연간 단위로 다음 지표를 예측하거나 트렌드를 분석하는 기법은 무엇인가? 정답: ARIMA 모델[^6]

36.

고정된 주기에 따라 자료가 변화할 경우 ex. 요일마다 반복, 일 년 중 각 월에 의한 변화, 사분기 자료에서 각 분기에 의한 변화 등 정답: 계절 요인

37.

딥러닝 알고리즘으로 시각적 이미지를 분석하는 데 주로 사용되는 심층신경망은 무엇인가? 정답: CNN 알고리즘

38.

입력층, 은닉층, 출력층으로 구성되며 은닉층에서 재귀적인 신경망을 갖는 알고리즘이다. 음성신호, 연속적 시계열 데이터 분석에 적합하다. 장기 의존성 문제와 기울기 소실 문제가 발생하여 학습이 이루어지지 않을 수 있다. 정답: RNN 알고리즘

39.

인간이 이해할 수 있는 언어를 기계가 이해할 수 있게 하는 기술은 무엇이라 하는가? 정답: 자연어 처리

40.

주관적인 의견이 포함된 데이터에서 사용자가 게재한 의견과 감정을 나타내는 패턴을 분석하는 기법은 무엇인가? 정답: 오피니언 마이닝

41.

개인과 집단들 간의 관계를 노드를 링크로 그룹에 속한 사람들 간의 네트워크 특성과 구조를 분석하고 시각화하는 분석 기법은 무엇인가? 정답: 사회 연결망 분석

42.

여러 가지 동일한 종류 또는 서로 상이한 모형들의 예측/분류 결과를 종합하여 최종적인 의사 결정에 활용하는 기법을 무엇이라 하는가? 정답: 앙상블 기법

43.

훈련 데이터에서 다수의 부트스트랩(Bootstrap) 자료를 생성하고, 각 자료를 모델링한 후 결합하여 최종 예측 모형을 만드는 알고리즘은 무엇인가? 정답: 배깅(bagging)

44.

잘못 분류된 개체들에 가중치를 적용, 새로운 분류 규칙을 만들고, 이 과정을 반복해 최종 모형을 만드는 알고리즘은 무엇인지 쓰시오. 정답: 부스팅(Boosting)

한계 및 주의사항

  • 인메모리 연산 한계: R은 데이터를 기본적으로 메모리(RAM)에 적재하여 처리하므로, 대규모 데이터셋 학습 시 Out of Memory 오류가 발생할 수 있다.
  • 단일 스레드 기본 동작: R의 기본 인터프리터 및 주요 모델 패키지(stats, rpart, e1071)는 기본적으로 단일 스레드로 동작하므로 교차 검증이나 파라미터 튜닝 시 연산 시간이 선형적으로 증가한다.
  • 시험 환경의 자원 및 시간 제약: 빅데이터분석기사 실기 클라우드 환경은 메모리와 실행 제한 시간(통상 1분 내외)이 엄격하게 제한되므로, 과도한 하이퍼파라미터 그리드 탐색이나 복잡한 앙상블 모형보다는 제한 시간 내에 안정적으로 수렴하는 모델을 선정해야 한다.

References

댓글남기기

참고