[인터뷰 질문] ML 기초 (4) - 앙상블

인터뷰 대비 ML 치트 시트 제작

• "데이터 과학자와 데이터 엔지니어를 위한 인터뷰 문답집" 기준으로 이전 ML 면접 스터디에서 정리한 내용 바탕
• zzsza / Datascient-interview-questions

 

앙상블 톺아보기

✔️ 앙상블 학습이란 무엇을 의미할까요? 앙상블 학습에는 어떤 장점이 있을까요?

✔️ 앙상블 학습에는 어떤 종류가 있나요?

✔️ 앙상블 학습 방법들 사이에는 어떤 공통점 혹은 차이점이 있나요?

✔️ 앙상블 학습에는 어떤 기본적인 단계가 있나요? 앙상블 학습 예제를 통해 설명해 주세요.

✔️ Voting 방법 중 Hard voting과 Soft voting의 차이점은 무엇인가요?

 

배깅

✔️ 배깅의 대표적인 예시는?

✔️ Random Forest의 Random은 무엇이 무작위적이라는 것일까?

✔️ 랜덤 포레스트의 기초 분류기의 의사결정 트리에서 선형분류기 혹은 k-Nearest Neighbor algorithm으로 대체할 수 있을까요?

✔️ 50개의 작은 의사결정 나무는 큰 의사결정 나무보다 괜찮을까요? 왜 그렇게 생각하나요?

 

부스팅

✔️ 부스팅의 대표적인 예시는?

✔️ 편향과 분산이란 무엇일까요?

✔️ ‘편향과 분산 줄이기’ 관점에서 부스팅과 배깅의 원리를 설명해 주세요.

✔️ Boosting 방법 중 Adaboost와 Gradient Boost의 차이점은 무엇인가요?

✔️ GBDT(Gradient Boosting Decision Tree) 알고리즘의 기본 원리는 무엇일까요?

✔️ 그래디언트 부스팅과 경사하강법 사이에는 어떤 연관성과 차이점이 존재할까요?

✔️ GBDT의 장점과 한계에는 어떤 것들이 있을까요?

✔️ XGBoost을 아시나요? 왜 이 모델이 캐글에서 유명할까요?

✔️ XGBoost와 GBDT의 차이점, 그리고 연관성에는 어떤 것들이 있나요?

✔️ XGBoost의 장단점은?

✔️ XGBoost에서 병렬 처리를 어떻게 지원하고 있나요?

✔️ XGBoost와 Random Forest의 차이는?

✔️ lightGMB 이란?