MLOps 도입 가이드

70

2부MLOps적용방법

트리기반

(

Tree

-

based

)

의사결정트리(

Decision



tree

)

불안정할수있다. 데이터에약간의 변화만

생겨도최적인의사결정트리의구조에큰변

화가생길수있다.

랜덤포레스트(

Random



forest

) 예측결과를 이해하기힘들어, 책임있는

AI



측면에서는적합하지않을 수있다. 또한예

측결과출력이느릴수있어,모델을활용하

는애플리케이션에부담이될수있다.

그래디언트부스팅(

Gradient



boosting

)

랜덤포레스트와같이,예측결과를이해하기

어려울수있다.또한특성혹은학습데이터

에약간의변화만생겨도모델에급격한변경

이발생할수있다.

딥러닝

(

Deep



learning

)

신경망(

Neural



network

)

해석가능성의관점에서딥러닝모델은거의

해석이불가능하다. 신경망을포함하여딥러

닝알고리즘은학습에엄청나게많은시간과

컴퓨팅파워(그리고 데이터)가들어간다.그

정도자원이필요할지혹은더간단한모델로

도목적을달성할수있을지확인해야한다.

어떤 머신러닝 알고리즘은 특정 사례에 가장 적합할 수 있으나, 거버넌스를 고려하여 다른 알

고리즘을 선택할 수도 있다. 특히, 규제가 심한 환경에서 설명 가능한 의사결정을 내려야 하는

경우, 신경망처럼 불투명한 ...