머신러닝 모델에서 과적합(Overfitting)과 과소적합(Underfitting)은 무엇이며, 이 두 가지 문제를 해결하기 위한 기본적인 방법은 무엇이 있을까요?

면접관님, 머신러닝 모델에서 과적합과 과소적합은 모델의 성능을 평가하고 개선하는 데 중요한 개념입니다.

과적합은 모델이 훈련 데이터에는 지나치게 잘 맞지만, 실제 새로운 데이터에는 제대로 작동하지 못하는 현상입니다. 마치 시험 문제만 외워서 풀고 응용 문제에는 약한 학생과 같습니다. 해결 방법으로는 더 많은 데이터를 확보하거나, 정규화(L1, L2 규제)를 통해 모델의 복잡도를 줄이거나, 교차 검증을 통해 모델을 평가하는 방법 등이 있습니다. 데이터 증강도 좋은 방법입니다.

반대로 과소적합은 모델이 너무 단순해서 훈련 데이터조차 제대로 학습하지 못하는 경우입니다. 이 경우에는 모델의 복잡도를 높이거나, 더 많은 특징을 추가하거나, 더 긴 시간 동안 학습시키는 방법 등을 고려할 수 있습니다. 더 강력한 모델을 사용하는 것도 방법입니다.