# ML 파이프라인 및 검증 (Data Science & ML)

> Scikit-learn 파이프라인, cross-validation, GridSearchCV, RandomizedSearchCV, data leakage, 계층화

- 22 면접 질문
- Mid-Level
- [면접 질문: Data Science & ML](https://sharpskill.dev/ko/technologies/data-science/interview-questions.md)

## 1. 변환을 수동으로 적용하는 대신 scikit-learn Pipeline을 사용하는 주요 이점은 무엇입니까?

**답변**

Pipeline은 동일한 변환이 훈련 데이터와 테스트 데이터에 일관되게 적용되도록 보장합니다. 모든 전처리 및 모델링 단계를 단일 객체로 캡슐화하여 코드를 단순화하고 data leakage를 방지하며 모델을 프로덕션에 배포하기 쉽게 만듭니다.

## 2. Pipeline의 모든 단계를 훈련하고 예측을 수행하기 위해 어떤 메서드를 호출해야 합니까?

**답변**

fit_predict 메서드는 회귀 또는 분류 Pipeline에는 존재하지 않습니다. 먼저 fit()을 호출하여 파이프라인을 훈련한 다음 predict()를 호출하여 예측을 얻어야 합니다. 또는 더 많은 제어를 위해 fit() 다음에 predict()를 별도로 호출할 수 있습니다.

## 3. 머신러닝 맥락에서 data leakage란 무엇입니까?

**답변**

Data leakage는 테스트 세트나 미래 데이터의 정보가 훈련 중에 우연히 사용될 때 발생합니다. 이는 전처리 중(분할 전에 전체 데이터셋에 대해 평균을 계산) 또는 타겟을 간접적으로 포함하는 특성을 통해 발생할 수 있습니다. 이는 일반화되지 않는 인위적으로 높은 성능을 초래합니다.

## 19개 추가 질문 이용 가능

- scikit-learn에서 ColumnTransformer의 역할은 무엇입니까?
- K-Fold cross-validation이란 무엇입니까?

무료로 가입하기: https://sharpskill.dev/ko/login

## 기타 Data Science & ML 면접 주제

- [Python 기초](https://sharpskill.dev/ko/technologies/data-science/interview-questions/python-basics.md): 25개 질문, Junior
- [Python 객체 지향 프로그래밍](https://sharpskill.dev/ko/technologies/data-science/interview-questions/python-oop.md): 20개 질문, Junior
- [Python 데이터 구조](https://sharpskill.dev/ko/technologies/data-science/interview-questions/python-data-structures.md): 20개 질문, Junior
- [Git 기초](https://sharpskill.dev/ko/technologies/data-science/interview-questions/git-fundamentals.md): 18개 질문, Junior
- [SQL 기초](https://sharpskill.dev/ko/technologies/data-science/interview-questions/sql-basics.md): 20개 질문, Junior
- [NumPy 기초](https://sharpskill.dev/ko/technologies/data-science/interview-questions/numpy-fundamentals.md): 22개 질문, Junior
- [Pandas 기초](https://sharpskill.dev/ko/technologies/data-science/interview-questions/pandas-basics.md): 22개 질문, Junior
- [Jupyter & Google Colab](https://sharpskill.dev/ko/technologies/data-science/interview-questions/jupyter-colab.md): 16개 질문, Junior
- [SQL Joins 및 고급 쿼리](https://sharpskill.dev/ko/technologies/data-science/interview-questions/sql-joins-advanced.md): 22개 질문, Mid-Level
- [Pandas 고급](https://sharpskill.dev/ko/technologies/data-science/interview-questions/pandas-advanced.md): 24개 질문, Mid-Level
- [Matplotlib & Seaborn을 활용한 시각화](https://sharpskill.dev/ko/technologies/data-science/interview-questions/matplotlib-seaborn.md): 20개 질문, Mid-Level
- [Plotly로 만드는 인터랙티브 시각화](https://sharpskill.dev/ko/technologies/data-science/interview-questions/plotly-interactive.md): 18개 질문, Mid-Level
- [기술 통계](https://sharpskill.dev/ko/technologies/data-science/interview-questions/statistics-descriptive.md): 20개 질문, Mid-Level
- [추론 통계학](https://sharpskill.dev/ko/technologies/data-science/interview-questions/statistics-inferential.md): 24개 질문, Mid-Level
- [Web Scraping](https://sharpskill.dev/ko/technologies/data-science/interview-questions/web-scraping.md): 18개 질문, Mid-Level
- [BigQuery & Cloud Data](https://sharpskill.dev/ko/technologies/data-science/interview-questions/bigquery-cloud.md): 18개 질문, Mid-Level
- [Feature Engineering](https://sharpskill.dev/ko/technologies/data-science/interview-questions/feature-engineering.md): 22개 질문, Mid-Level
- [지도 머신러닝: 회귀](https://sharpskill.dev/ko/technologies/data-science/interview-questions/ml-supervised-regression.md): 24개 질문, Mid-Level
- [지도 머신러닝: 분류](https://sharpskill.dev/ko/technologies/data-science/interview-questions/ml-supervised-classification.md): 24개 질문, Mid-Level
- [결정 트리 및 앙상블](https://sharpskill.dev/ko/technologies/data-science/interview-questions/ml-trees-ensembles.md): 24개 질문, Mid-Level
- [비지도 ML](https://sharpskill.dev/ko/technologies/data-science/interview-questions/ml-unsupervised.md): 22개 질문, Mid-Level
- [시계열 및 예측](https://sharpskill.dev/ko/technologies/data-science/interview-questions/time-series-forecasting.md): 22개 질문, Mid-Level
- [Deep Learning 기초](https://sharpskill.dev/ko/technologies/data-science/interview-questions/deep-learning-fundamentals.md): 24개 질문, Senior
- [TensorFlow & Keras](https://sharpskill.dev/ko/technologies/data-science/interview-questions/tensorflow-keras.md): 22개 질문, Senior
- [CNN 및 이미지 분류](https://sharpskill.dev/ko/technologies/data-science/interview-questions/cnn-image-classification.md): 24개 질문, Senior
- [RNN 및 시퀀스](https://sharpskill.dev/ko/technologies/data-science/interview-questions/rnn-sequences.md): 22개 질문, Senior
- [Transformers 및 Attention](https://sharpskill.dev/ko/technologies/data-science/interview-questions/transformers-attention.md): 24개 질문, Senior
- [NLP 및 Hugging Face](https://sharpskill.dev/ko/technologies/data-science/interview-questions/nlp-huggingface.md): 24개 질문, Senior
- [GenAI 및 LangChain](https://sharpskill.dev/ko/technologies/data-science/interview-questions/genai-langchain.md): 24개 질문, Senior
- [MLOps 및 배포](https://sharpskill.dev/ko/technologies/data-science/interview-questions/mlops-deployment.md): 24개 질문, Senior

---

Source: SharpSkill (https://sharpskill.dev), tech interview preparation for your real stack.
HTML version of this page: https://sharpskill.dev/ko/technologies/data-science/interview-questions/ml-pipelines-validation