124
2부MLOps적용방법
모니터링에서 사용할 수 있다. 입력값 드리프트 감지로 이 접근 방법을 보완하여, 새로운 미개
척 도메인과 관련된 실측 데이터를 모델 재학습에 활용할 수 있을지 확인할 수 있다.
7.2.2
입력값 드리프트 감지
앞에서 살펴본 실측 데이터 기반 재학습의 과제와 한계를 고려할 때, 보다 실용적인 방안은 입
력값 드리프트 감지가 될 수 있다. 여기서는 드리프트에 대한 기본적인 이론을 간략하지만 깊
이 있게 살펴보고, 모델과 데이터가 드리프트될 수 있는 다양한 시나리오를 확인해본다.
UCI
와인 품질 데이터 세트(
https://oreil.ly/VPx17
)를 학습 데이터로 활용하여 보르도
Bordeux
와인의 품질에 대한 예측을 목적으로 한다고 가정하자. 해당 데이터에는 포르투갈 와인인 빈호
베르데
Vinho
Verde
의 레드 및 화이트 품종에 대한 정보와 함께
0
에서
10
사이에 분포하는 품질 점
수가 들어 있다.
각 와인에 대해 ‘종류, 고정 산도, 휘발성 산도, 구연산, 잔류 당, 염소화물, 유리 이산화황, 총
이산화황, 밀도,
pH
, 황산염, 알코올 도수’라는 특성을 제공한다.
모델 생성을 단순화하기 위해 좋은 와인은 품질 점수가
7
보다 크거나 같은 와인이라고 하자.
그렇다면 목표는 와인의 속성으로부터 품질 점수를 예측하고 좋은 와인인지 아닌지 판정하는
이진
binary
모델을 구축하는 것이다.
데이터 드리프트를 시연하기 위해, 원본 데이터 세트를
2
개로 명시적으로 분할하겠다.
●
wine
_
alcohol
_
above ...