꿈라CBT다음은 어느 신경망 모형의 학습 결과이다. 이에 대한 진단과 대응으로 가장 적절하지 않은 것은?
보기
· 학습 데이터 정확도 : 0.99
· 검증 데이터 정확도 : 0.71
· 학습이 진행될수록 학습 손실은 계속 감소하지만, 검증 손실은 일정 시점 이후 오히려 증가한다.
- 1학습 성능과 검증 성능의 격차가 크고 검증 손실이 반등하므로, 과적합이 발생한 것으로 볼 수 있다.
- 2학습 데이터 정확도가 0.99로 매우 높으므로 모형의 표현력이 부족한 상태이며, 은닉층을 더 깊게 쌓아 학습을 계속하는 것이 바람직하다.
- 3검증 손실이 최저가 되는 시점에서 학습을 멈추는 조기 종료(Early Stopping)를 적용할 수 있다.
- 4은닉층이나 노드 수를 줄이거나 드롭아웃·가중치 규제를 적용하여 모형의 복잡도를 낮출 수 있다.