꿈라CBT불균형 데이터(Imbalanced Data) 처리를 위한 샘플링 기법에 대한 설명으로 가장 옳지 않은 것은?
- 1언더 샘플링은 다수 클래스의 데이터를 줄여 균형을 맞추므로, 정보 손실이 발생할 수 있지만 학습 속도가 빨라진다.
- 2데이터의 성격에 따라서는 언더 샘플링이 오버 샘플링보다 더 나은 성능을 보이는 경우도 있다.
- 3오버 샘플링과 언더 샘플링을 함께 적용해 양쪽에서 균형을 맞추는 혼합 방식도 사용된다.
- 4SMOTE는 소수 클래스의 데이터를 그대로 여러 번 복사해 개수를 늘리는 방식이므로, 원본과 완전히 동일한 관측치만 추가된다.