꿈라CBT다층 퍼셉트론(Perceptron)에서 발생하는 데이터 불균형(Imbalanced 또는 Unbalanced Dataset) 문제의 해결 방법에 관한 설명 중 가장 옳지 않은 것은 다음 중 무엇인가?
- 1과표본화(Over Sampling) 기법이란 소수 범주의 데이터세트에서 무작위로 데이터를 추출해 새로운 데이터세트를 구성한 뒤 이를 기존 집합에 더하는 방식으로 데이터 불균형 문제를 해결하는 기법을 말한다.
- 2인공신경망의 기본 요소인 다층 퍼셉트론을 구성하는 과정에서 학습 데이터의 불균형 문제를 해결하고자 할 때, 다수 범주의 데이터세트에서 무작위로 데이터를 추출하는 언더 샘플링(Under Sampling) 기법은 사용되지 않는다.
- 3유방암 검사, 갑상선 진단 검사처럼 클래스 불균형(Imbalanced Dataset)이 심한 의료 분야에서는 학습 데이터의 불균형 문제를 해결하기 위해 앙상블 기법이 활용된다.
- 4과표본화(Over Sampling) 기법으로 무작위 추출된 데이터세트가 기존 데이터 집합에 더해지면, 기존 데이터 집합의 범주 분포에 대한 임곗값이 조절되는 효과가 있다.