MLOps 도입 가이드

74

2부MLOps적용방법

4.3.2

특성 선택이

MLOps

전략에 미치는 영향

특성 생성과 선택 단계에서는 특성을 얼마나 많이 만들고 언제 종료할지를 지속적으로 판단하

고 결정해야 한다. 특성을 추가할수록 모델은 더 정확해지고, 세부 그룹으로 분할해도 공정성

을 보장할 수 있으며, 누락된 유용한 정보를 보완할 수 있다. 하지만 아래와 같이

MLOps

전략

에 심각한 영향을 끼칠 수 있다.

●

모델에필요한컴퓨팅비용이점점올라간다.

●

특성이많아질수록입력값과유지보수가더많이필요하다.

●

특성이많아질수록안정성이떨어질수있다.

●

특성의개수가늘어나면개인정보보호이슈가발생할가능성도증가한다.

자동화된 특성 선택을 활용하면 특성이 모델의 예측 성능에 얼마나 중요한지 추정하는 데 도

움이 된다. 예를 들어, 대상 변수와의 상관관계를 확인할 수도 있고 데이터 중 대표적인 하위

집합에 대해 간단한 모델을 빠르게 학습시킨 후 어떤 특성이 가장 좋은 예측을 보일지 확인할

수 있다.

어떤 입력값을 사용할지, 그 값을 어떻게 인코딩할지, 어떻게 값들 간에 상호작용 혹은 간섭을

줄지 등의 결정은 머신러닝 알고리즘의 내부 작동 방식을 이해해야만 내릴 수 있다. 좋은 소식

은 이 중 일부를 자동화할 수 있다는 것이다. 예를 들어,

Auto

-

sklearn

혹은

AutoML

애플리

케이션과 같은 도구를 사용하면 된다. 이런 도구들은 어떤 대상과 관련된 특성을 상호 조합하

여 어떤 특성, 파생, 조합이 가장 좋은 결과를 보이는지 예측할 ...