꿈라CBT위 절차에 대한 설명으로 옳지 않은 것은?
보기
크기가 1,000인 자료에서 복원추출로 1,000개를 뽑는 방식으로 부트스트랩 표본을 여러 개 만들어 배깅(bagging) 앙상블을 구성하려고 한다. (단, \(e^{-1} \approx 0.368, e^{-2} \approx 0.135\) 이다.)
- 1각 부트스트랩 표본의 크기는 1,000이지만, 그 안에 들어 있는 서로 다른 관측치는 평균적으로 약 632개이다.
- 2특정 관측치 하나가 어떤 부트스트랩 표본의 OOB가 될 확률은 약 0.368이므로, 표본을 100개 만들면 그 관측치는 평균 약 37개 표본에서 OOB가 된다.
- 3배깅은 서로 다른 부트스트랩 표본으로 학습한 모형의 결과를 평균·투표하여 예측의 분산을 줄이는 것이 주된 목적이다.
- 4부트스트랩 표본의 크기를 원자료의 2배인 2,000으로 늘리면, 표본에 포함되지 않는 관측치의 비율도 약 36.8%에서 약 두 배로 커진다.