355
13
장
피드백 루프
니다. 예측 클래스가 잘못되었다고 표시할 뿐, 다른 클래스 중 올바른 클래스가 무엇인지는 알 수 없습니
다. 예측 클래스가 올바르면 데이터와 예측의 쌍이 새로운 학습 예제를 구성합니다. 이진 분류 문제에서
만 예측이 잘못되었다는 피드백을 사용할 수 있습니다. 이때 해당 피드백은 예제가 다른 클래스에 속함
을 알려줍니다.
●
재분류 또는 수정
사용자가 모델에 정답을 입력하면 입력 데이터와 새 분류의 쌍이 새로운 학습 예제를 형성하고 추적
ID
를 수신해야 합니다.
13.3.2
암시적 피드백 추적
암시적 피드백은 이진 피드백을 생성합니다. 추천 시스템이 제품을 제안하고 사용자가 해당 제
품을 클릭하면 제품과 사용자 데이터의 쌍이 새로운 학습 예제를 형성하고 추적
ID
를 수신합
니다. 그러나 사용자가 제품을 클릭하지 않았다고 해서 추천이 나쁘다고 할 수는 없습니다. 이
런 상황에서는 모델을 재학습하기 전에 각 추천 제품에 대한 많은 이진 피드백 조각을 기다려
야 할 수 있습니다.
13.4
요약
피드백 루프는 머신러닝 파이프라인을 사이클로 전환해서 스스로 성장하고 개선하도록 도와줍
니다. 새 데이터를 머신러닝 파이프라인에 통합하여 모델이 오래되고 정확도가 떨어지는 상황
을 방지하는 것이 중요합니다. 모델 유형 및 모델 성공 지표와 가장 일치하는 피드백 방법을 선
택해야 합니다.
피드백 루프에는 세심한 모니터링이 필요합니다. 새 데이터를 수집하기 시작하면 여러 머신러
닝 알고리즘의 기본 가정인 ‘학습 및 검증 데이터를 동일한 분포에서 ...