꿈라CBT어느 분석가가 설명변수가 매우 많고 서로 강하게 상관된 자료에 정규화 회귀를 적용하려 한다. 이에 대한 설명으로 가장 적절하지 않은 것은?
- 1정규화 회귀는 회귀계수를 축소함으로써 편향을 완전히 제거하므로, 최소제곱 추정에 비해 편향과 분산이 모두 작아진다는 장점이 있다.
- 2릿지 회귀는 상관이 높은 변수들의 계수를 서로 비슷한 크기로 나누어 갖게 하는 경향이 있어, 관련된 변수 집단을 함께 남기고 싶을 때 적합하다.
- 3라쏘 회귀는 상관이 높은 변수 무리 가운데 하나만 남기고 나머지 계수를 0으로 만드는 경향이 있어, 모형은 간결해지지만 어떤 변수가 남을지는 자료가 조금만 달라져도 바뀔 수 있다.
- 4벌점의 크기를 결정하는 조율모수는 값이 클수록 계수를 더 강하게 축소하므로, 교차검증을 통해 예측 오차가 가장 작아지는 값을 선택하는 것이 일반적이다.