머신러닝 시스템 설계

165

5

장

피처 엔지니어링

CHAPTER

5

피처 엔지니어링

2014

년 발표된 논문 「

Practical

lessons

from

predicting

clicks

on

ads

at

facebook

」

1

에

서는 올바른 피처를 보유하는 것이

ML

모델을 개발하는 데 가장 중요하다고 주장합니다. 그

이후 필자가 협업했던 많은 회사에서는 실행 가능한 모델이 있는 한 올바른 피처를 보유하는

것이 하이퍼파라미터 조정 같은 알고리즘 기법보다 큰 성능 향상을 이끌어내는 것을 몇 번이나

확인했죠. 최첨단 모델 아키텍처는 적절한 피처 집합을 사용하지 않으면 성능이 저하됩니다.

따라서

ML

엔지니어링과 데이터 과학에서는 유용한 신규 피처를 생성하는 일이 상당한 부분

을 차지합니다. 이 장에서는 피처 엔지니어링 관련 기법과 중요한 고려 사항을 살펴봅니다.

ML

프로덕션에서 많은 문제를 일으키는 데이터 누수

data

leakage

를 감지하고 방지하는 방법도 알아

봅니다.

마지막으로는 피처 중요도와 피처 일반화를 함께 고려해 좋은 피처를 설계하는 방법을 논의합

니다. 피처 엔지니어링을 언급할 때 피처 스토어를 떠올리는 분들도 있을 겁니다. 피처 스토어

는 여러

ML

애플리케이션을 지원하는 인프라에 더 가까우므로

10

장에서 다룹니다.

1

He

,

X

.,

Bowers

,

S

.,

Candela

,

J