꿈라CBT앙상블 기법에 대한 설명으로 가장 적절하지 않은 것은?
- 1배깅은 서로 다른 부트스트랩 표본으로 학습한 모형들을 결합하므로, 주로 분산을 줄여 과적합을 완화하는 효과가 있다.
- 2배깅과 부스팅은 모두 개별 모형을 병렬로 학습하므로, 학습 시간을 줄이려면 두 기법 모두 모형 수를 늘리면서 병렬 처리를 적용하면 된다.
- 3부스팅은 이전 모형이 맞히지 못한 부분에 집중해 순차적으로 보완하므로 주로 편향을 줄이는 데 효과적이지만, 과적합에는 상대적으로 취약할 수 있다.
- 4랜덤포레스트가 개별 나무의 성능을 다소 희생하면서까지 변수의 일부만 사용하는 것은, 나무들 사이의 상관을 낮춰 결합 효과를 키우기 위해서이다.