← 전체 문제 목록adsp_191

3과목 데이터 분석데이터 마이닝분류 알고리즘 (SVM·KNN·나이브베이즈)

서포트벡터머신(SVM)에 대한 설명으로 옳은 것은?

①두 클래스 사이의 마진(margin)을 최대화하는 초평면을 찾는다정답
②커널을 쓰더라도 비선형 분류는 전혀 수행할 수 없다
③마진(margin)을 최소화하는 방향으로 학습을 진행한다
④서포트 벡터는 결정 경계에서 가장 멀리 떨어진 데이터 점이다

핵심 개념

SVM은 마진 최대화, KNN은 게으른 학습, 나이브베이즈는 조건부 독립 가정.

SVM: 마진 최대화 초평면 (커널로 비선형) KNN: 가까운 k개 다수결, 게으른 학습(거리 기반) 나이브베이즈: 베이즈 정리 + 조건부 독립 가정 로지스틱: 범주형 종속변수 분류 함정: SVM 마진 최소화, KNN 사전 학습, 나이브 상관 전제로 속임

예시: '변수 간 조건부 독립을 가정하는 분류기는?' → 나이브베이즈

분류 알고리즘 (SVM·KNN·나이브베이즈) 패턴 전체 보기 →

해설

SVM은 두 클래스를 구분하는 결정 경계(초평면)와 가장 가까운 데이터 점들 사이의 마진을 최대화하여 분류 성능을 높입니다. 마진은 최소화가 아니라 최대화하며(③), 커널 기법으로 비선형 분류도 가능하고(②), 서포트 벡터는 결정 경계에 '가장 가까운' 데이터 점입니다(④).

같은 패턴 관련 문항

전체 문제 풀기 다른 문제 보기