꿈라CBT다음 <보기>에서 설명하는 데이터 불균형 대응 기법으로 가장 적절한 것은?
보기
소수 클래스의 표본 하나를 고른 뒤, 그와 가까운 이웃 표본 사이의 선분 위에 새로운 가상의 데이터를 만들어 낸다.
기존 표본을 그대로 복제하지 않으므로 동일한 값이 반복되지 않아, 단순 복제 방식에 비해 과적합 위험이 상대적으로 낮다.
- 1랜덤 언더샘플링(Random Under-sampling)
- 2SMOTE(Synthetic Minority Over-sampling Technique)
- 3랜덤 오버샘플링(Random Over-sampling)
- 4분류 임계값 조정(Threshold Moving)