핵심
부트스트랩은 복원추출, 교차검증은 k번 반복. AUC는 1에 가까울수록 우수합니다.
공식
분할: 학습(생성)/검증(튜닝)/평가(최종) 교차검증: k-fold, 모든 데이터 1회 평가 부트스트랩: 복원추출, 원본 크기 AUC: ROC 면적, 0~1 (0.5=무작위, 1=우수) 불균형 데이터: 정확도만 신뢰 X 함정: 부트스트랩 비복원, AUC 범위(0~100) 혼동
트리거 키워드
예시
'복원추출로 원본 크기 표본을 반복 생성하는 기법은?' → 부트스트랩
모형 검증 기법 중 부트스트랩은 복원추출로 표본을 반복 생성해 평가하고, 교차검증(k-fold)은 데이터를 k개로 나눠 k번 반복 학습·검증합니다. 분류 모형의 성능은 ROC 곡선 아래 면적인 AUC로 평가하며 1에 가까울수록 우수합니다. ADsP에서는 부트스트랩(복원추출)과 교차검증을 헷갈리게 하거나 AUC 해석을 반대로 출제하므로 각각을 정확히 구분해 외워두세요.
3과목 데이터 분석의 모형 평가 영역에서 문제 지문이나 보기에 학습검증평가, 교차검증, k-fold, 부트스트랩, 복원추출, AUC, ROC, 불균형데이터 같은 표현이 보이면 이 패턴을 먼저 떠올리십시오. 개념을 처음부터 따지지 않고 위 공식에 대입하는 것만으로 보기를 빠르게 좁힐 수 있습니다. 아래 관련 문항 6개가 모두 같은 방식으로 풀립니다.