에이타니 ● 클래스 불균형 문제 해결 - 가중치 조정 (Class Weighting)- 손실 함수에서 각 클래스의 샘플에 서로 다른 가중치를 부여하는 방식- 소수의 클래스의 샘플에 더 큰 가중치를 부여하면, 해당 샘플의 오분류 시 더 큰 손실이 발생하여 모델이 소수 클래스를 더 중요하게 학습하게 됨.- 데이터셋의 크기를 변경하지 않고 손실 함수만 조정하므로 학습 시간이 크게 증가하지 않는다.- 가중치 조정도 소수 클래스에 과도한 가중치를 부여하면 과적합 위험이 있다.- 주로 분류 문제에 사용되며, 회귀 문제에만 국한되지 않음. ● 머신러닝에서 모델의 일반화 성능 (Generalization)- 모델이 학습 과정에서 보지 못한 새로운 데이터에 대해서도 좋은 성능을 발휘하는 능력을 의미함.→ 모델이 데이터의..
