꿈라CBT다음 <보기>의 상황에서 규제(Regularization) 회귀의 활용에 대한 설명으로 가장 적절한 것은?
보기
설명변수가 500개인 회귀 문제가 있다. 사전 검토 결과 실제로 의미 있는 변수는 20개 내외로 추정되며, 일부 변수들 사이에는 강한 다중공선성이 존재한다.
- 1라쏘는 계수를 정확히 0으로 만들어 변수를 선택하며, 다중공선성이 심하면 엘라스틱넷이 대안이다.
- 2릿지 회귀는 계수를 정확히 0으로 만들어 주므로 변수 선택 목적에는 릿지를 사용하는 것이 적절하다.
- 3라쏘와 릿지는 규제 강도와 관계없이 항상 동일한 변수 집합을 선택하게 된다.
- 4규제 회귀는 학습 이후 별도의 후처리로 변수를 고르므로 래퍼 기법으로 분류된다.