머신러닝 시스템 설계

125

4

장

훈련 데이터

다.

6

예를 들어, 모집단의

10

%를 무작위로 선택한다면 해당 모집단의 각 구성 요소가 선택될

확률은 모두

10

%로 동일합니다.

단순 무작위 샘플링은 구현이 쉽다는 장점이 있습니다. 반면에 단점은 드물게 발생하는 범주의

데이터가 포함되지 않을 수 있다는 점입니다. 특정 클래스가 데이터 모집단의

0

.

01

%로 발생한

다고 생각해봅시다. 데이터

1

%를 무작위로 선택하면 이처럼 드물게 발생하는 클래스의 샘플은

포함되지 않겠죠. 이러한 방법으로 데이터를 선택해 훈련한 모델은 해당 클래스가 아예 존재하

지 않는다고 간주하게 됩니다.

4.1.3 4.1.3

계층적 샘플링계층적 샘플링

계층적 샘플링

stratified

sampling

은 모집단을 상이한 성질의 그룹으로 나눈 뒤 각 그룹에 개별적으

로 샘플링을 수행해 단순 무작위 샘플링의 단점을 극복합니다. 예를 들어, 두 클래스

A

와

B

가

있는 데이터에서

1

%를 샘플링한다면 클래스

A

에서

1

%, 클래스

B

에서

1

%를 각각 샘플링합니

다. 이렇게 하면 클래스

A

나

B

가 아무리 드물게 발생하더라도 해당 클래스의 샘플이 포함되죠.

각 그룹을 계층

stratum

이라고 하며 이러한 방법을 계층적 샘플링이라고 부릅니다.

계층적 샘플링은 항상 가능하지는 않다는 단점이 있습니다. 모든 샘플을 원하는 그룹으로 나누

는 ...