AUC를 목표로 하는 트리 기반 앙상블 모델을 튜닝할 때, 훈련 시간과 비용을 줄이기 위해 하이퍼파라미터 범위(예: 최대 트리 깊이)를 조정하는 방법을 결정하는 데 어떤 시각화가 도움이 됩니까?

정답은 '최대 트리 깊이와 목표 지표 간의 관계를 보여주는 산점도'입니다. 이 시각화는 특정 하이퍼파라미터(최대 트리 깊이)의 변화가 목표 지표(AUC)에 어떻게 영향을 미치는지 직접적으로 보여주므로, 최적의 하이퍼파라미터 범위를 효율적으로 식별하고 훈련 시간과 비용을 줄이는 데 가장 효과적입니다. 오답인 '상위 입력 특징이 가우시안 분포를 따르는지 보여주는 히스토그램'은 데이터 분포를 이해하는 데 유용하지만, 하이퍼파라미터 튜닝에는 직접적인