ํค์ด ํ๋ธ๋ฅด!
Reksoft์์๋ ๊ธฐ์ฌ๋ฅผ ๋ฌ์์์ด๋ก ๋ฒ์ญํ์ต๋๋ค.
ํ์ค ์ธ๊ณ์์ ๋ฐ์ดํฐ๋ ๋น์ฆ๋์ค ๊ณ ๊ฐ์ด ์๊ฐํ๋ ๊ฒ๋งํผ ํญ์ ๊นจ๋ํ์ง๋ ์์ต๋๋ค. ์ด๊ฒ์ด ๋ฐ๋ก ๋ฐ์ดํฐ ๋ง์ด๋๊ณผ ๋ฐ์ดํฐ ๋ญ๊ธ๋ง์ด ์๊ตฌ๋๋ ์ด์ ์ ๋๋ค. ์ฟผ๋ฆฌ ๊ตฌ์กฐ์ ๋ฐ์ดํฐ์์ ์ฌ๋์ด ์๋ณํ ์ ์๋ ๊ฒฐ์ธก๊ฐ๊ณผ ํจํด์ ์๋ณํ๋ ๋ฐ ๋์์ด ๋ฉ๋๋ค. ์ด๋ฌํ ํจํด์ ์ฐพ๊ณ ์ฌ์ฉํ์ฌ ๋ฐ์ดํฐ์์ ๋ฐ๊ฒฌ๋ ๊ด๊ณ๋ฅผ ์ฌ์ฉํ์ฌ ๊ฒฐ๊ณผ๋ฅผ ์์ธกํ๋ ค๋ฉด ๊ธฐ๊ณ ํ์ต์ด ์ ์ฉํฉ๋๋ค.
์๊ณ ๋ฆฌ์ฆ์ ์ดํดํ๋ ค๋ฉด ๋ฐ์ดํฐ์ ๋ชจ๋ ๋ณ์๋ฅผ ์ดํด๋ณด๊ณ ํด๋น ๋ณ์๊ฐ ๋ฌด์์ ๋ํ๋ด๋์ง ํ์ ํด์ผ ํฉ๋๋ค. ์ด๋ ๊ฒฐ๊ณผ์ ๊ทผ๊ฑฐ๊ฐ ๋ฐ์ดํฐ ์ดํด๋ฅผ ๊ธฐ๋ฐ์ผ๋ก ํ๊ธฐ ๋๋ฌธ์ ๋งค์ฐ ์ค์ํฉ๋๋ค. ๋ฐ์ดํฐ์ 5๊ฐ ๋๋ 50๊ฐ์ ๋ณ์๊ฐ ํฌํจ๋์ด ์์ผ๋ฉด ๋ชจ๋ ์กฐ์ฌํ ์ ์์ต๋๋ค. ๋ง์ฝ 200๊ฐ๊ฐ ์๋ค๋ฉด ์ด๋จ๊น์? ๊ทธ๋ฌ๋ฉด ๋ชจ๋ ๋จ์ผ ๋ณ์๋ฅผ ์ฐ๊ตฌํ ์๊ฐ์ด ์ถฉ๋ถํ์ง ์์ ๊ฒ์ ๋๋ค. ๋ํ ์ผ๋ถ ์๊ณ ๋ฆฌ์ฆ์ ๋ฒ์ฃผํ ๋ฐ์ดํฐ์ ์๋ํ์ง ์์ผ๋ฏ๋ก ๋ชจ๋ ๋ฒ์ฃผํ ์ด์ ์ ๋์ ๋ณ์(์ ๋์ ์ผ๋ก ๋ณด์ผ ์ ์์ง๋ง ๋ฉํธ๋ฆญ์์๋ ๋ฒ์ฃผํ์ผ๋ก ํ์๋จ)๋ก ๋ณํํ์ฌ ๋ชจ๋ธ์ ์ถ๊ฐํด์ผ ํฉ๋๋ค. ๊ทธ๋์ ๋ณ์์ ๊ฐ์๊ฐ ๋์ด๋์ ์ฝ 500๊ฐ ์ ๋๊ฐ ๋์๋๋ฐ, ์ด์ ์ด๋ป๊ฒ ํด์ผ ํ ๊น์? ์ฐจ์์ ์ค์ด๋ ๊ฒ์ด ๋ต์ด๋ผ๊ณ ์๊ฐํ ์๋ ์์ต๋๋ค. ์ฐจ์ ์ถ์ ์๊ณ ๋ฆฌ์ฆ์ ๋งค๊ฐ๋ณ์ ์๋ฅผ ์ค์ด์ง๋ง ํด์ ๊ฐ๋ฅ์ฑ์ ๋ถ์ ์ ์ธ ์ํฅ์ ๋ฏธ์นฉ๋๋ค. ๊ธฐ๋ฅ์ ์ ๊ฑฐํ๊ณ ๋๋จธ์ง ๊ธฐ๋ฅ์ ์ฝ๊ฒ ์ดํดํ๊ณ ํด์ํ ์ ์๋ ๋ค๋ฅธ ๊ธฐ์ ์ด ์๋ค๋ฉด ์ด๋จ๊น์?
๋ถ์์ด ํ๊ท ๊ธฐ๋ฐ์ธ์ง ๋ถ๋ฅ ๊ธฐ๋ฐ์ธ์ง์ ๋ฐ๋ผ ํน์ง ์ ํ ์๊ณ ๋ฆฌ์ฆ์ด ๋ค๋ฅผ ์ ์์ง๋ง ๊ตฌํ์ ์ฃผ์ ์์ด๋์ด๋ ๋์ผํฉ๋๋ค.
์๊ด๊ด๊ณ๊ฐ ๋์ ๋ณ์
์๋ก ์๊ด๊ด๊ณ๊ฐ ๋์ ๋ณ์๋ค์ ๋ชจ๋ธ์ ๋์ผํ ์ ๋ณด๋ฅผ ์ ๊ณตํ๋ฏ๋ก ๋ถ์์ ๋ชจ๋ ์ฌ์ฉํ ํ์๋ ์์ต๋๋ค. ์๋ฅผ ๋ค์ด, ๋ฐ์ดํฐ ์ธํธ์ "์จ๋ผ์ธ ์๊ฐ" ๋ฐ "์ฌ์ฉ๋ ํธ๋ํฝ" ๊ธฐ๋ฅ์ด ํฌํจ๋ ๊ฒฝ์ฐ ๋ ๊ธฐ๋ฅ์ด ์ด๋ ์ ๋ ์๊ด ๊ด๊ณ๊ฐ ์๋ค๊ณ ๊ฐ์ ํ ์ ์์ผ๋ฉฐ ํธ๊ฒฌ์ด ์๋ ๋ฐ์ดํฐ ์ํ์ ์ ํํ๋๋ผ๋ ๊ฐํ ์๊ด ๊ด๊ณ๋ฅผ ๋ณผ ์ ์์ต๋๋ค. ์ด ๊ฒฝ์ฐ ๋ชจ๋ธ์๋ ์ด๋ฌํ ๋ณ์ ์ค ํ๋๋ง ํ์ํฉ๋๋ค. ๋ ๊ฐ์ง๋ฅผ ๋ชจ๋ ์ฌ์ฉํ๋ฉด ๋ชจ๋ธ์ด ๊ณผ์ ํฉ๋์ด ํ๋์ ํน์ ๊ธฐ๋ฅ์ ํธํฅ๋ฉ๋๋ค.
P-๊ฐ
์ ํ ํ๊ท์ ๊ฐ์ ์๊ณ ๋ฆฌ์ฆ์์๋ ์ด๊ธฐ ํต๊ณ ๋ชจ๋ธ์ด ํญ์ ์ข์ ์๊ฐ์ ๋๋ค. ์ด ๋ชจ๋ธ์์ ์ป์ p-๊ฐ์ ํตํด ํน์ง์ ์ค์์ฑ์ ๋ณด์ฌ์ฃผ๋ ๋ฐ ๋์์ด ๋ฉ๋๋ค. ์ ์ ์์ค์ ์ค์ ํ ํ ๊ฒฐ๊ณผ p-๊ฐ์ ํ์ธํ๊ณ ๊ฐ์ด ์ง์ ๋ ์ ์ ์์ค๋ณด๋ค ๋ฎ์ผ๋ฉด ์ด ๊ธฐ๋ฅ์ ์ ์๋ฏธํ ๊ฒ์ผ๋ก ์ ์ธ๋ฉ๋๋ค. ์ฆ, ๊ฐ์ด ๋ณ๊ฒฝ๋๋ฉด ๊ฐ์ด ๋ณ๊ฒฝ๋ ๊ฐ๋ฅ์ฑ์ด ๋์ต๋๋ค. ๋ชฉํ.
์ง์ ์ ํ
์๋ฐฉํฅ ์ ํ์ ๋จ๊ณ์ ํ๊ท๋ฅผ ์ ์ฉํ๋ ๊ธฐ์ ์ ๋๋ค. ๋ชจ๋ธ ๊ตฌ์ถ์ ์์ ํ XNUMX, ์ฆ ๋น ๋ชจ๋ธ๋ก ์์๋๋ฉฐ, ๊ฐ ๋ฐ๋ณต์ ๊ตฌ์ถ ์ค์ธ ๋ชจ๋ธ์ ๊ฐ์ ํ๋ ๋ณ์๋ฅผ ์ถ๊ฐํฉ๋๋ค. ๋ชจ๋ธ์ ์ถ๊ฐ๋๋ ๋ณ์๋ ํด๋น ๋ณ์์ ์ค์์ฑ์ ๋ฐ๋ผ ๊ฒฐ์ ๋ฉ๋๋ค. ์ด๋ ๋ค์ํ ์ธก์ ํญ๋ชฉ์ ์ฌ์ฉํ์ฌ ๊ณ์ฐํ ์ ์์ต๋๋ค. ๊ฐ์ฅ ์ผ๋ฐ์ ์ธ ๋ฐฉ๋ฒ์ ๋ชจ๋ ๋ณ์๋ฅผ ์ฌ์ฉํ์ฌ ์๋ ํต๊ณ ๋ชจ๋ธ์์ ์ป์ p-๊ฐ์ ์ฌ์ฉํ๋ ๊ฒ์ ๋๋ค. ๋๋ก๋ ์ ์ง ์ ํ์ด ๋ชจ๋ธ์ ๋์ผํ ์ ๋ณด๋ฅผ ์ ๊ณตํ๋๋ผ๋ ๋ชจ๋ธ์ ์๊ด ๊ด๊ณ๊ฐ ๋์ ๋ณ์๊ฐ ์์ ์ ์๊ธฐ ๋๋ฌธ์ ๋ชจ๋ธ์ ๊ณผ์ ํฉ์ด ๋ฐ์ํ ์ ์์ต๋๋ค(๊ทธ๋ฌ๋ ๋ชจ๋ธ์ ์ฌ์ ํ โโ๊ฐ์ ์ ๋ณด์ฌ์ค๋๋ค).
์ญ๋ฐฉํฅ ์ ํ
์ญ๋ฐฉํฅ ์ ํ๋ ํน์ฑ์ ๋จ๊ณ์ ์ผ๋ก ์ ๊ฑฐํ์ง๋ง ์๋ฐฉํฅ ์ ํ๊ณผ ๋น๊ตํ๋ฉด ๋ฐ๋ ๋ฐฉํฅ์ ๋๋ค. ์ด ๊ฒฝ์ฐ ์ด๊ธฐ ๋ชจํ์๋ ๋ชจ๋ ๋ ๋ฆฝ๋ณ์๊ฐ ํฌํจ๋ฉ๋๋ค. ๊ทธ๋ฐ ๋ค์ ๊ฐ ๋ฐ๋ณต์์ ์ ํ๊ท ๋ชจ๋ธ์ ๊ฐ์น๋ฅผ ์ ๊ณตํ์ง ์๋ ๋ณ์๋ ์ ๊ฑฐ๋ฉ๋๋ค(๋ฐ๋ณต๋น ํ๋์ฉ). ํน์ง ์ ์ธ๋ ์ด๊ธฐ ๋ชจ๋ธ์ p-๊ฐ์ ๊ธฐ๋ฐ์ผ๋ก ํฉ๋๋ค. ์ด ๋ฐฉ๋ฒ์ ์๊ด๊ด๊ณ๊ฐ ๋์ ๋ณ์๋ฅผ ์ ๊ฑฐํ ๋ ๋ถํ์ค์ฑ๋ ์์ต๋๋ค.
์ฌ๊ท์ ํน์ง ์ ๊ฑฐ
RFE๋ ์ค์ํ ํน์ง์ ์ ํํ ์๋ฅผ ์ ํํ๊ธฐ ์ํด ๋๋ฆฌ ์ฌ์ฉ๋๋ ๊ธฐ์ /์๊ณ ๋ฆฌ์ฆ์ ๋๋ค. ๋๋๋ก ์ด ๋ฐฉ๋ฒ์ ๊ฒฐ๊ณผ์ ์ํฅ์ ๋ฏธ์น๋ ์ฌ๋ฌ ๊ฐ์ง "๊ฐ์ฅ ์ค์ํ" ๊ธฐ๋ฅ์ ์ค๋ช ํ๋ ๋ฐ ์ฌ์ฉ๋ฉ๋๋ค. ๋๋ก๋ ๋งค์ฐ ๋ง์ ์์ ๋ณ์(์ฝ 200-400๊ฐ)๋ฅผ ์ค์ด๊ธฐ ์ํด ๋ชจ๋ธ์ ์ต์ํ ์ด๋ ์ ๋ ๊ธฐ์ฌํ๋ ๋ณ์๋ง ์ ์ง๋๊ณ ๋ค๋ฅธ ๋ชจ๋ ๋ณ์๋ ์ ์ธ๋ฉ๋๋ค. RFE๋ ์์ ์์คํ ์ ์ฌ์ฉํฉ๋๋ค. ๋ฐ์ดํฐ ์ธํธ์ ๊ธฐ๋ฅ์๋ ์์๊ฐ ํ ๋น๋ฉ๋๋ค. ๊ทธ๋ฐ ๋ค์ ์ด๋ฌํ ์์๋ ๊ธฐ๋ฅ ๊ฐ์ ๊ณต์ ์ฑ๊ณผ ๋ชจ๋ธ์์ ํด๋น ๊ธฐ๋ฅ์ ์ค์์ฑ์ ๊ธฐ๋ฐ์ผ๋ก ๊ธฐ๋ฅ์ ๋ฐ๋ณต์ ์ผ๋ก ์ ๊ฑฐํ๋ ๋ฐ ์ฌ์ฉ๋ฉ๋๋ค. ์์ ์ง์ ๊ธฐ๋ฅ ์ธ์๋ RFE๋ ์ด๋ฌํ ๊ธฐ๋ฅ์ด ์ฃผ์ด์ง ๊ธฐ๋ฅ ์์ ๋ํด์๋ ์ค์ํ์ง ์ฌ๋ถ๋ฅผ ํ์ํ ์ ์์ต๋๋ค(์๋ํ๋ฉด ์ ํํ ๊ธฐ๋ฅ ์๊ฐ ์ต์ ์ด ์๋ ๊ฐ๋ฅ์ฑ์ด ๋๊ธฐ ๋๋ฌธ์ด๋ฉฐ ์ต์ ์ ๊ธฐ๋ฅ ์๋ ๊ทธ ์ด์์ผ ์ ์๊ธฐ ๋๋ฌธ์ ๋๋ค) ๋๋ ์ ํํ ์ซ์๋ณด๋ค ์์ต๋๋ค).
๊ธฐ๋ฅ ์ค์๋ ๋ค์ด์ด๊ทธ๋จ
๊ธฐ๊ณ ํ์ต ์๊ณ ๋ฆฌ์ฆ์ ํด์ ๊ฐ๋ฅ์ฑ์ ๊ดํด ์ด์ผ๊ธฐํ ๋ ์ผ๋ฐ์ ์ผ๋ก ์ ํ ํ๊ท(p-๊ฐ์ ์ฌ์ฉํ์ฌ ํน์ฑ์ ์ค์์ฑ์ ๋ถ์ํ ์ ์์)์ ์์ฌ ๊ฒฐ์ ํธ๋ฆฌ(๋ฌธ์ ๊ทธ๋๋ก ํธ๋ฆฌ ํํ๋ก ํน์ฑ์ ์ค์์ฑ์ ํ์ํจ)์ ๋ํด ๋ ผ์ํฉ๋๋ค. ๋์์ ๊ณ์ธต ๊ตฌ์กฐ). ๋ฐ๋ฉด์ Random Forest, LightGBM ๋ฐ XG Boost์ ๊ฐ์ ์๊ณ ๋ฆฌ์ฆ์ ํน์ฑ ์ค์๋ ๋ค์ด์ด๊ทธ๋จ, ์ฆ ๋ณ์ ๋ค์ด์ด๊ทธ๋จ๊ณผ "์ค์๋ ์์น"๊ฐ ํ์๋๋ ๊ฒฝ์ฐ๊ฐ ๋ง์ต๋๋ค. ์ด๋ ๋น์ฆ๋์ค์ ๋ฏธ์น๋ ์ํฅ ์ธก๋ฉด์์ ์์ฑ์ ์ค์์ฑ์ ๋ํ ๊ตฌ์กฐํ๋ ๊ทผ๊ฑฐ๋ฅผ ์ ๊ณตํด์ผ ํ ๋ ํนํ ์ ์ฉํฉ๋๋ค.
์ ๊ทํ
ํธํฅ๊ณผ ๋ถ์ฐ ์ฌ์ด์ ๊ท ํ์ ์ ์ดํ๊ธฐ ์ํด ์ ๊ทํ๊ฐ ์ํ๋ฉ๋๋ค. ํธํฅ์ ๋ชจ๋ธ์ด ํ๋ จ ๋ฐ์ดํฐ ์ธํธ์ ์ผ๋ง๋ ๊ณผ์ ํฉ๋์๋์ง ๋ณด์ฌ์ค๋๋ค. ํธ์ฐจ๋ ํ์ต ๋ฐ์ดํฐ์ธํธ์ ํ ์คํธ ๋ฐ์ดํฐ์ธํธ ๊ฐ์ ์์ธก์ด ์ผ๋ง๋ ๋ค๋ฅธ์ง ๋ณด์ฌ์ค๋๋ค. ์ด์์ ์ผ๋ก๋ ํธํฅ๊ณผ ๋ถ์ฐ์ด ๋ชจ๋ ์์์ผ ํฉ๋๋ค. ์ด๊ฒ์ด ๋ฐ๋ก ์ ๊ทํ๊ฐ ๊ตฌ์ถ๋๋ ๊ณณ์ ๋๋ค! ๋ ๊ฐ์ง ์ฃผ์ ๊ธฐ์ ์ด ์์ต๋๋ค.
L1 ์ ๊ทํ - ์ฌ๊ฐ๋ฏธ: ์ฌ๊ฐ๋ฏธ๋ ๋ชจ๋ธ ๊ฐ์ค์น์ ๋ถ์ด์ต์ ์ฃผ์ด ๋ชจ๋ธ์ ๋ํ ์ค์์ฑ์ ๋ณ๊ฒฝํ๊ณ ์ฌ์ง์ด null์ ์ ์ฉํ ์๋ ์์ต๋๋ค(์ฆ, ์ต์ข ๋ชจ๋ธ์์ ํด๋น ๋ณ์๋ฅผ ์ ๊ฑฐํจ). ์ผ๋ฐ์ ์ผ๋ก Lasso๋ ๋ฐ์ดํฐ ์ธํธ์ ๋ง์ ์์ ๋ณ์๊ฐ ํฌํจ๋์ด ์๊ณ ์ค์ํ ๊ธฐ๋ฅ์ด ๋ชจ๋ธ์ ๋ฏธ์น๋ ์ํฅ(์ฆ, Lasso์์ ์ ํํ๊ณ ์ค์๋๊ฐ ํ ๋น๋ ๊ธฐ๋ฅ)์ ๋ ์ ์ดํดํ๊ธฐ ์ํด ์ผ๋ถ ๋ณ์๋ฅผ ์ ์ธํ๋ ค๋ ๊ฒฝ์ฐ์ ์ฌ์ฉ๋ฉ๋๋ค.
L2 ์ ๊ทํ - Ridge ๋ฐฉ๋ฒ: Ridge์ ์๋ฌด๋ ๋ชจ๋ ๋ณ์๋ฅผ ์ ์ฅํ๋ ๋์์ ๋ชจ๋ธ ์ฑ๋ฅ์ ๋ํ ๊ธฐ์ฌ๋์ ๋ฐ๋ผ ์ค์๋๋ฅผ ํ ๋นํ๋ ๊ฒ์ ๋๋ค. Ridge๋ ๋ฐ์ดํฐ ์ธํธ์ ์์์ ๋ณ์๊ฐ ํฌํจ๋์ด ์๊ณ ๋ชจ๋ ๋ณ์๊ฐ ๊ฒฐ๊ณผ ๋ฐ ์ป์ ๊ฒฐ๊ณผ๋ฅผ ํด์ํ๋ ๋ฐ ํ์ํ ๊ฒฝ์ฐ ์ข์ ์ ํ์ด ๋ ๊ฒ์ ๋๋ค.
Ridge๋ ๋ชจ๋ ๋ณ์๋ฅผ ์ ์งํ๊ณ Lasso๋ ๋ณ์์ ์ค์์ฑ์ ๋ ์ ์ค์ ํ๋ฏ๋ก Elastic-Net์ด๋ผ๊ณ ์๋ ค์ง ๋ ์ ๊ทํ์ ๊ฐ์ฅ ์ข์ ๊ธฐ๋ฅ์ ๊ฒฐํฉํ๋ ์๊ณ ๋ฆฌ์ฆ์ด ๊ฐ๋ฐ๋์์ต๋๋ค.
๊ธฐ๊ณ ํ์ต์ ์ํ ๊ธฐ๋ฅ์ ์ ํํ๋ ๋ฐฉ๋ฒ์ ๋ ๋ง์ง๋ง ์ฃผ์ ์์ด๋์ด๋ ํญ์ ๋์ผํฉ๋๋ค. ์ฆ, ๋ณ์์ ์ค์์ฑ์ ์ ์ฆํ ๋ค์ ๊ฒฐ๊ณผ ์ค์์ฑ์ ๋ฐ๋ผ ์ผ๋ถ๋ฅผ ์ ๊ฑฐํ๋ ๊ฒ์ ๋๋ค. ์ค์๋๋ ํ๋๊ฐ ์๋๋ผ ํต์ฌ ์์ฑ์ ์ฐพ๋ ๋ฐ ์ฌ์ฉํ ์ ์๋ ์ ์ฒด ์ธก์ ํญ๋ชฉ ๋ฐ ์ฐจํธ ์งํฉ์ด๋ฏ๋ก ๋งค์ฐ ์ฃผ๊ด์ ์ธ ์ฉ์ด์ ๋๋ค.
์ฝ์ด ์ฃผ์ ์ ๊ฐ์ฌํฉ๋๋ค! ์ฆ๊ฑฐ์ด ํ์ต!
์ถ์ฒ : habr.com