【인공지능】 2026 국가공무원 5급(기술) 제3문

2026 국가공무원 5급(기술) 제3문^]

 

추천글 : 【인공지능】 인공지능 기술고시 목차 

---

a. KNN 

---

KNN에 관한 내용은 `제대로 학습하는 인공지능 (5급 기술고시 예제 200제)`에서도 일찍이 소개한 바 있습니다.

---

 

Q. 2차원 평면 위의 점들을 k-NN(k-nearest neighbor; k-최근접 이웃) 방법으로 분류하고자 한다. 2차원 평면 위에는 Class 1과 Class 2 중 하나의 클래스(class)에 포함되어 있는 8개의 학습 데이터(x, y)가 있다. 그리고, 어느 클래스에도 아직 포함되지 않은 3개의 테스트 데이터(test data) A, B, C가 있다. 다음 물음에 답하시오.

 

 

Q1. k-NN 분류 방법을 단계별로 설명하고, 위에서 제시한 3개의 테스트 데이터, A, B, C가 속하게 될 클래스를 결정하시오. (단, k = 3이고, 거리는 유클리드 거리(Euclidean distance)를 사용한다)

 

A1.  

k-NN 단계별 설명

단계 1. 각 테스트 데이터와 주어진 레이블 데이터와의 거리 계산

단계 2. K개의 최소 거리를 갖는 데이터 레이블 중 최빈값을 그 테스트 데이터의 레이블로 할당  

 

A(7, 4)와 최소 거리를 갖는 3개 데이터는 각각 ●(5, 4), ○(6, 6), ●(4, 4)이므로 A는 클래스 1

B(8, 4)와 최소 거리를 갖는 3개 데이터는 각각 ○(6, 6), ●(5, 4), ○(8, 7)이므로 B는 클래스 2

C(9, 3)과 최소 거리를 갖는 3개 데이터는 각각 ●(5, 4), ○(8, 7), ○(6, 6)이므로 C는 클래스 2

 

Q2. k-NN 방법이 지도 학습(supervised learning)과 비지도 학습(unsupervised learning) 중 어떤 학습에 해당되는지 설명하시오.

 

A2.

데이터 레이블에 의존하므로 지도 학습

 

Q3. 학습 데이터의 양이 많아지면 k-NN 방법을 이용하여 분류할 때, 더 많은 메모리를 필요로 하고 계산 속도가 느려질 수 있다. 그 이유에 대하여 설명하시오.

 

A3.

각 테스트 데이터를 레이블링할 때 학습 데이터의 양에 선형 비례하여 거리 계산을 요하고, 또 학습 데이터만큼 거리 값을 저장해야 한다.

 

입력: 2026.07.05 18:42