머신러닝 시스템 설계

123

4

장

훈련 데이터

이 됩니다. 첫째, 잠재적인 샘플링 편향을 피할 수 있고 둘째, 데이터의 효율성을 향상하는 샘

플링 방법을 적절히 선택할 수 있죠.

샘플링은 크게 비확률 샘플링과 무작위 샘플링이라는 두 부류로 나뉩니다. 이어지는 절에서 각

샘플링 방법을 살펴봅시다.

4.1.1 4.1.1

비확률 샘플링비확률 샘플링

비확률 샘플링은 데이터를 확률이 아닌 기준에 의거해 선택하는 방법입니다. 다음은 비확률 샘

플링에서 사용하는 몇 가지 기준입니다.

편의 샘플링(

Convenience

sampling

)

데이터 샘플을 가용성에 의거해 선택

2

합니다. 사용하기 편해 인기가 많은 방법입니다.

눈덩이 샘플링(

Snowball

sampling

)

기존 샘플을 기반으로 미래의 샘플을 선택합니다. 예를 들어, 트위터 데이터베이스에

접근하지 않고 트위터 계정을 합법적으로 스크랩하려면 사용자 계정 몇 개를 임의로 만

든 다음 해당 계정을 팔로우하는 계정을 모두 스크랩합니다.

판단 샘플링(

Judgement

sampling

)

전문가가 어떤 샘플을 포함할지 결정합니다.

할당 샘플링(

Quota

sampling

)

무작위화

randomization

없이 특정 데이터 그룹별 할당량에 의거해 샘플을 선택합니다. 예

를 들어, 설문 조사를 실시할 때 실제 연령 분포와 상관없이 각 연령 그룹 (

30

세 미만,

30 ...