차원의 저주가 거리 기반 학습 방법에 미칠 수 있는 영향으로 가장 적절한 것은?

ADsP · 0pt

차원이 높아질수록 관측치 간 거리가 모두 일정하게 유지되어, 가까운 이웃을 찾는 과정이 더 안정적이 된다. 차원이 높아질수록 데이터 공간이 희소해지고 거리의 상대적 차이가 작아져, 최근접 이웃 같은 방법의 판별력이 낮아질 수 있다. 차원이 높아지면 학습 데이터가 늘어난 것과 같은 효과가 생겨 과적합 위험이 줄어든다. 차원의 저주는 변수 간 상관이 높을 때만 발생하므로, 서로 독립인 변수로 구성된 데이터에는 해당하지 않는다.