먼저 머신러닝 단기집중과정의 주요 아이디어를 검토해 보겠습니다. 아래 차트의 분포를 살펴보세요.
그림 1: 주택 가격 및 위도 비교
다음 질문의 경우 원하는 화살표를 클릭하여 답을 확인하세요.
그림 1을 고려하세요. 위도가 주택 값을 잘 예측할 수 있다고
생각된다면 위도를 부동 소수점 값으로 남겨두어야 하나요? 그 이유는 무엇인가요? (이를 선형 모델이라고 가정합니다.)
예: 위도가 데이터 세트의 부동 소수점 값인 경우, 이를 변경하면 안 됩니다.
이러한 부동 소수점 값을 네트워크에 피드하면 특성과 라벨 간의 선형 관계를 학습하려고 합니다. 그러나 선형 관계는
위도를 포함할 가능성이 낮습니다. 위도가
1도 높아지면 (예: 34~35도) 모델 출력에서 어느 정도의
변동이 발생할 수 있는 반면, 1도 증가하면 (예: 35~36도)
변화 정도가 달라질 수 있습니다. 이는 비선형 동작입니다.
아니요, 위도와 주택 값 사이에는
선형 관계가 없습니다.
개별 위도 및 주택 값이 관련되어 있지만 관계는 선형이 아닌 것으로 의심됩니다.
위도 예와 같은 경우에는 위도를 버킷으로 분할하여 각 버킷의 주택 값에 대해 다른 것을 알아야 합니다. 이러한 임곗값을 사용하여 숫자 특성을 범주형 특성으로 변환하는 것을 버케팅(또는 비닝)이라고 합니다. 이 버케팅 예시에서 경계 간격은 동일하게 유지됩니다.
그림 2: 주택 가격 및 위도 비교, 이제 버킷으로 구분
분위수 버케팅
버킷이 추가된 자동차 가격 데이터 세트를 다시 살펴보겠습니다. 버킷당 하나의 특성을 사용하면 모델은 45,000개 범위의 단일 예시에 5,000~10,000개 범위의 모든 예시에 대해 최대한 많은 용량을 사용합니다. 낭비입니다. 이 상황을 어떻게 개선할 수 있을까요?
그림 3: 다양한 가격으로 판매되는 차량 수
문제는 간격이 같은 버킷이 이 분포를 잘 캡처하지 못한다는 것입니다. 해결책은 각각 동일한 포인트 수를 가진 버킷을 생성하는 것입니다. 이 기법을 분위수 버케팅이라고 합니다. 예를 들어 다음 그림은 자동차 가격을 분위수 버킷으로 나눕니다. 각 버킷에 동일한 수의 예시가 배치되도록 일부 버킷은 좁은 가격 범위를, 다른 버킷은 매우 광범위한 가격 범위를 포함합니다.
그림 4: 분위수 버케팅은 각 버킷에 동일한 수의 자동차를 부여합니다.
버케팅 요약
숫자 특성을 버킷화하려는 경우 경계를 설정하는 방법 및 적용하는 버케팅 유형을 명확하게 밝혀야 합니다.
- 경계가 동일한 버킷: 경계가 고정되며 같은 범위 (예: 0~4도, 5~9도, 10~14도 또는 $5,000~$9,999, $10,000~$14,999, $15,000~$19,999)를 포함합니다. 여러 개의 포인트가 있는 버킷도 있고, 포인트가 거의 없거나 전혀 없는 버킷도 있습니다.
- 분위수 경계가 있는 버킷: 각 버킷은 포인트 수가 동일합니다. 경계는 고정되어 있지 않으며, 좁은 범위 또는 넓은 값 범위를 포함할 수 있습니다.