데이터 과학을 위한 통계: 데이터 분석에서 머신러닝까지 50가지 핵심 개념

231

5

장

분류

5.5

불균형 데이터 다루기

앞 절에서는 분류 모델을 평가할 때 단순 정확도 외에 사용할 다른 성능 지표들에 대해 알아봤

다. 이들이 데이터가 매우 드문 불균형 데이터(온라인 구매, 보험 청구 사기 등 )에 적합하다는

사실도 알아봤다. 이번 절에서는 불균형 데이터에서 예측 모델링 성능을 향상시킬 몇 가지 방

법에 대해 알아본다.

용어 정리

•

과소표본

undersample

: 분류 모델에서 개수가 많은 클래스 데이터 중 일부 소수만을 사용하는 것 (유의어:

다운샘플 )

•

과잉표본

oversample

: 분류 모델에서 희귀 클래스 데이터를 중복해서, 필요하면 부트스트랩 해서 사용하는

것 (유의어 : 업샘플 )

•

상향 가중치

up

weight

혹은 하향 가중치

down

weight

: 모델에서 희귀 (혹은 다수 ) 클래스에 높은 (혹은 낮

은) 가중치를 주는 것

•

데이터 생성

data

generation

: 부트스트랩과 비슷하게 다시 샘플링한 레코드를 빼고 원래 원본과 살짝 다르

게 데이터를 생성하는 것

•

z

점수

z

-

score

: 표준화 결과

•

K

: 최근접 이웃 알고리즘에서 이웃들의 개수

5.5.1

과소표본추출

앞서 다룬 대출 데이터와 같이 데이터 개수가 충분하다면, 다수의 데이터에 해당하는 클래스에

서

과소표본추출

(

다운샘플링

)을 해서 모델링할 때

0

과 ...