꿈라CBT다음 중 불균형 데이터(Imbalanced Data)에 관한 설명 중 적절하지 않은 것은?
- 1데이터 타깃의 수가 매우 극소수인 비대칭 데이터세트를 활용할 경우 분류 및 예측 모델의 정확도, 민감도, 재현율이 높게 나타난다.
- 2소수 클래스 데이터를 늘리는 오버 샘플링 방법은 기준을 정해 무작위로 소수 데이터를 복제하는 방식으로, 정보가 손실되지 않는 장점이 있지만 여러 유형의 관측치를 다수 추가하여 Overfitting을 유발할 수 있다.
- 3데이터 불균형은 어떤 데이터에서 각 클래스(주로 범주형 변수)별로 보유한 데이터 양의 차이가 큰 경우를 뜻한다.
- 4다수 클래스 데이터 중 일부만 사용하는 다운(또는 언더) 샘플링 방법은 유의한 데이터만 남기는 방식을 사용하는데, 데이터 손실이 크고 경우에 따라 정상 데이터를 잃기도 한다.