문제
다음 중 배깅(Bagging)에 대한 설명으로 옳은 것은?
① 서로 다른 여러 개 모형에 대한 결과를 집계하여 최종 결과를 결정한다. ② 두 단계의 학습이 있으며 첫 번째 단계는 다양한 기본 모델들을 사용한 학습이고, 두 번째 단계는 첫 번째 단계에서 얻은 결과를 입력으로 하는 메타 모델의 학습이다. ③ 약한 학습기의 오류 데이터에 가중치를 부여하면서 최종 모형을 만들어가는 방법이다. ④ 붓스트랩(bootstrap) 방법을 사용하여 동일한 데이터가 여러 번 선택될 수 있고, 어떤 데이터는 추출되지 않을 수 있다.
정답
4번
해설
정답: 4. 배깅(Bootstrap Aggregating)은 원자료에서 복원추출(붓스트랩)로 여러 표본을 만들어 각각 모형을 학습한 뒤 결과를 결합한다. 복원추출이므로 같은 데이터가 여러 번 뽑히거나 한 번도 안 뽑힐 수 있다.
오답 풀이
- 1번: '서로 다른 여러 모형의 결과 집계'는 보팅·일반 앙상블의 설명에 가깝고, 배깅은 동일 알고리즘을 붓스트랩 표본에 적용한다.
- 2번: 1차 모델 결과를 메타 모델 입력으로 쓰는 2단계 학습은 스태킹(Stacking)의 설명이다.
- 3번: 오류 데이터에 가중치를 높여가며 학습하는 것은 부스팅(Boosting)이다.
- 4번: 붓스트랩 복원추출의 특징을 정확히 설명했으므로 옳다.
보충 개념 앙상블 비교 — 배깅(병렬·복원추출·분산 감소), 부스팅(순차·오분류 가중·편향 감소), 스태킹(메타 모델로 결합).