꿈라CBT분류 알고리즘의 특성에 관한 설명으로 옳지 않은 것은?
- 1KNN은 학습 단계에서 사실상 아무것도 하지 않고 예측 시점에 거리를 계산하므로, 관측치가 많아질수록 예측 비용이 커진다.
- 2SVM은 마진을 결정하는 서포트 벡터만으로 결정경계가 정해지므로, 마진 바깥에 있는 관측치 일부를 제거해도 결정경계는 달라지지 않는다.
- 3랜덤포레스트는 이전 나무가 틀린 부분을 보완하도록 나무를 순차적으로 학습시키므로 편향을 줄이는 데 효과적이다.
- 4나이브 베이즈는 설명변수 간 조건부 독립을 가정하므로 변수가 많아도 계산이 가볍고, 가정이 다소 어긋나도 실무에서 잘 작동하는 편이다.