6-1 과대적합 감소 메커니즘으로 조기 종료를 사용한다고 가정해 보죠. 특히 최근 조기 종료 도구들은 훈련하는 동안 최상의 모델(예를 들면 가장 높은 검증 정확도를 가진 모델)의 체크포인트(checkpoint)를 만듭니다. 따라서 훈련이 끝난 후 이 모델을 로드할 수 있습니다. 대부분 최신 딥러닝 프레임워크에서 이 기법을 지원합니다. 하지만 동료가 훈련 에포크 횟수를 튜닝하자고 제안합니다. 두 방법의 장점과 단점은 무엇인가요?

6-2 앙상블 모델은 과대적합을 줄이고 모델링의 노력에 대한 대가를 기대할 수 있는 안정적이고 성공적인 방법입니다. 하지만 항상 트레이드오프(trade-off)가 있습니다. 앙상블 기법의 단점은 무엇인가요?

정답 확인