머신러닝 시스템 설계

153

4

장

훈련 데이터

데이터 수준의 방법: 리샘플링

훈련 데이터의 분포를 수정해 불균형 정도를 줄여서 모델 학습을 더 용이하게 만드는 방법입니

다. 이러한 기법으로는 일반적으로 리샘플링이 있습니다. 리샘플링에는 다수 클래스에서 데이

터 포인트를 제거하는 언더샘플링과 소수 클래스로부터 데이터 포인트를 추가하는 오버샘플링

이 있습니다. 가장 간단한 언더샘플링 방법은 다수 클래스에서 데이터 포인트를 무작위로 제

거하는 것이며, 마찬가지로 가장 간단한 오버샘플링 방법은 원하는 비율이 될 때까지 소수 클

래스 복사본을 무작위로 생성하는 것입니다. [그림

4

-

10

]은 오버샘플링과 언더샘플링의 동작

방식을 시각화한 그림입니다.

언더샘플링 오버샘플링

다수 클래스의

샘플

소수 클래스의

샘플

원래 데이터셋 원래 데이터셋

그림

4-10

언더샘플링과 오버샘플링의 동작 방식(출처: 하파에우 알렝카르의 이미지

47

를 각색함).

저차원 데이터를 언더샘플링하는 방법으로는

1976

년에 개발된 토멕

Tomek

링크

48

가 인기 있습

니다. 서로 반대되는 클래스에서 근접한 샘플 쌍을 찾아 각 쌍에서 다수 클래스의 샘플을 제거

합니다.

이렇게 하면 결정 경계가 더 명확해져 모델이 경계를 학습하는 데는 분명 도움이 되지만 실제

결정 경계의 미묘한 형태를 학습하지 못해 모델의 강건성이 떨어집니다.

저차원 데이터를 ...