머신러닝 규칙:

컬렉션을 사용해 정리하기 내 환경설정을 기준으로 콘텐츠를 저장하고 분류하세요.

ML 엔지니어링 권장사항

마틴 진케비치

이 문서는 머신러닝에 관한 기본 지식이 있는 사람이 Google 머신러닝의 권장사항을 활용할 수 있도록 돕기 위해 작성되었습니다. Google C++ 스타일 가이드 및 널리 사용되는 실용적인 프로그래밍 가이드와 유사한 머신러닝 스타일을 제공합니다. 머신러닝 강의를 수강했거나 머신러닝 모델을 빌드했거나 작업했다면 이 문서를 읽는 데 필요한 배경 정보를 얻게 됩니다.

마틴 진케비치는 자신이 가장 좋아하는 머신러닝 규칙 10가지를 소개합니다. 43가지 규칙을 모두 읽어보세요.

용어

효과적인 머신러닝에 관한 논의에서는 다음 용어가 반복적으로 등장합니다.

  • 인스턴스: 예측하려는 대상물입니다. 예를 들어 인스턴스는 '고양이에 대한 정보' 또는 '고양이와 관련 없는 카테고리'로 분류하려는 웹페이지일 수 있습니다.
  • 라벨: 예측 작업에 대한 답변으로, 머신러닝 시스템에서 생성된 답변 또는 학습 데이터에서 제공된 올바른 답입니다. 예를 들어 웹페이지의 라벨은 '고양이'입니다.
  • 특성: 예측 작업에 사용되는 인스턴스의 속성입니다. 예를 들어, 웹페이지에 '&&t'라는 단어가 포함된 특성이 있을 수 있습니다.
  • 특성 열: 사용자가 거주할 수 있는 모든 국가의 집합과 같은 관련 특성의 집합입니다. 예시에는 특성 열에 하나 이상의 특성이 있을 수 있습니다. '특성 열'은 Google에서만 사용하는 용어입니다. Yahoo/Microsoft의 VW 시스템에서는 특성 열을 '네임스페이스'라고 하며, 필드라고 합니다.
  • : 인스턴스 (특성 포함) 및 라벨
  • 모델: 예측 작업의 통계적 표현입니다. 예시에 대해 모델을 학습시킨 다음 모델을 사용하여 예측합니다.
  • 측정항목: 중요한 숫자입니다. 직접 최적화될 수도 있고 그렇지 않을 수도 있습니다.
  • 목표: 알고리즘에서 최적화하려는 측정항목입니다.
  • 파이프라인: 머신러닝 알고리즘을 둘러싼 인프라입니다. 프런트 엔드에서 데이터를 수집하고, 학습 데이터 파일에 넣고, 하나 이상의 모델을 학습시키고, 모델을 프로덕션으로 내보내는 작업이 포함됩니다.
  • 클릭률: 웹페이지 방문자가 광고의 링크를 클릭하는 비율입니다.

개요

뛰어난 제품을 만드는 방법은 다음과 같습니다.

우수한 머신러닝 전문가처럼 머신러닝도 능숙하게 해내세요.

실제로 겪게 되는 대부분의 문제는 실제로는 엔지니어링 문제입니다. 훌륭한 머신러닝 전문가의 모든 리소스가 있지만 대부분의 이점은 뛰어난 머신러닝 알고리즘이 아닌 훌륭한 특성에서 비롯됩니다. 따라서 기본 접근 방식은 다음과 같습니다.

  1. 파이프라인이 처음부터 끝까지 견고해야 합니다.
  2. 합리적인 목표로 시작합니다.
  3. 간단한 방법으로 상식적 특성을 추가하세요.
  4. 파이프라인을 견고하게 유지해야 합니다.

이 접근 방식은 장기적으로 효과가 좋습니다. 더 이상 해를 끼칠 수 있는 더 간단한 방법이 없는 경우에만 이 접근 방식을 사용하세요. 복잡성이 추가되면 향후 출시 속도가 느려집니다.

단순한 수고를 덜고 나면 최첨단 머신러닝이 실제로 도움이 될 수도 있습니다. 3단계 머신러닝 프로젝트의 섹션을 참조하세요.

이 문서는 다음과 같이 정렬됩니다.

  1. 1부에서는 머신러닝 시스템 빌드에 적합한 시점을 파악할 수 있습니다.
  2. 2부에서는 첫 번째 파이프라인을 배포하는 방법을 설명합니다.
  3. 3부에서는 파이프라인에 새 특성을 추가하는 동시에 출시와 반복, 모델 및 학습-제공 편향 평가 방법을 설명합니다.
  4. 마지막 부분은 고원에 도달하면 어떻게 해야 하는지 설명합니다.
  5. 그런 다음 관련 작업 목록과 이 문서에서 흔히 사용되는 시스템에 관한 배경 지식이 포함된 부록이 준비되어 있습니다.

머신러닝 전

규칙 #1: 머신러닝 없이 제품을 출시하는 것을 두려워하지 말라.

머신러닝은 멋지지만 데이터가 필요합니다. 이론적으로는 다른 문제에서 데이터를 가져온 후에 새 제품에 맞게 모델을 조정할 수 있지만 이 경우 기본적인 휴리스틱이 제대로 작동하지 않을 수 있습니다. 머신러닝이 100% 부스트 효과를 얻을 것이라 생각한다면 휴리스틱을 통해 50%의 목표를 달성할 수 있습니다.

예를 들어 앱 마켓플레이스에서 앱의 순위를 매기는 경우 설치율 또는 설치 수를 휴리스틱으로 사용할 수 있습니다. 스팸을 감지한 경우 이전에 스팸을 보낸 게시자를 필터링합니다. 사람이 편집하는 것을 두려워하지 마세요. 연락처의 순위를 매기려면 최근에 사용한 것 (또는 알파벳순으로)의 순위를 매기세요. 제품에 머신러닝이 반드시 필요하지 않다면 데이터를 확보할 때까지 사용하지 마세요.

규칙 #2: 먼저 측정항목을 설계하고 구현하세요.

머신러닝 시스템의 기능을 공식화하기 전에 현재 시스템에서 최대한 많이 추적하세요. 이유는 다음과 같습니다.

  1. 그보다 일찍 시스템 사용자에게서 권한을 얻는 것이 더 쉽습니다.
  2. 향후에 문제가 될 수 있다고 생각하는 경우 지금은 이전 데이터를 가져오는 것이 좋습니다.
  3. 측정항목 계측을 염두에 두고 시스템을 설계하는 경우 향후 더 나아질 것입니다. 특히, 측정항목을 계측하기 위해 로그에서 문자열을 일일이 자르지 않아도 됩니다.
  4. 변경되는 부분과 변경되지 않는 부분은 그대로 유지됩니다. 예를 들어 일일 활성 사용자를 직접 최적화한다고 가정해 보겠습니다. 그러나 시스템을 조기에 조작할 때 사용자 환경을 급격하게 변경해도 이 측정항목은 크게 변경되지 않을 수 있습니다.

Google Plus팀은 읽기당 확장, 읽기당 재공유, 읽기당 1회, 댓글/읽기, 사용자당 댓글 수, 사용자당 다시 공유 수 등을 측정하여 게재 시 게시물의 혜택을 계산하는 데 사용합니다. 또한 사용자를 버킷으로 그룹화하고 실험별로 통계를 집계할 수 있는 실험 프레임워크도 중요합니다. 규칙 #12를 참조하세요.

측정항목 수집에 대해 더 관대하게 접근하면 시스템을 보다 포괄적으로 파악할 수 있습니다. 문제가 있나요? 추적할 측정항목을 추가하세요. 지난 출시의 몇 가지 양적 변경사항에 관심이 있으신가요? 추적할 측정항목을 추가하세요.

규칙 #3: 복잡한 휴리스틱이 아닌 머신러닝 선택

단순한 휴리스틱으로 제품을 선보일 수 있습니다. 복잡한 휴리스틱은 유지보수할 수 없습니다. 데이터를 확보하고 기본적으로 달성하려는 목표가 있다면 머신러닝으로 넘어갑니다. 대부분의 소프트웨어 엔지니어링 작업과 마찬가지로 휴리스틱 모델이든 머신러닝 모델이든 접근 방식을 지속적으로 업데이트해야 하며 머신러닝 모델이 더 쉽게 업데이트하고 유지관리할 수 있습니다 (규칙 #16 참고).

ML 1단계: 첫 번째 파이프라인

첫 번째 파이프라인을 위한 시스템 인프라에 집중하세요. 앞으로 사용할 창의적인 머신러닝에 대해 생각해 보는 것은 재밌지만, 파이프라인을 먼저 신뢰하지 않으면 어떤 일이 벌어질지 파악하기가 어렵습니다.

규칙 #4: 첫 번째 모델을 단순하게 유지하고 인프라를 적절하게 유지하세요.

첫 번째 모델은 제품을 가장 크게 향상하므로 고급 기능을 제공할 필요가 없습니다. 그러나 생각보다 훨씬 많은 인프라 문제가 발생합니다. 신나는 최신 머신러닝 시스템을 사용하려면 먼저 다음 사항을 확인해야 합니다.

  • 학습 알고리즘의 예를 얻는 방법
  • 첫 번째 단계는 시스템에 '좋음'과 '나쁨'입니다.
  • 모델을 애플리케이션에 통합하는 방법 모델을 라이브 방식으로 적용하거나 오프라인으로 예시에 모델을 미리 계산하여 결과를 테이블에 저장할 수 있습니다. 예를 들어 웹페이지를 사전 분류하고 결과를 테이블에 저장하지만, 채팅 메시지를 실시간으로 분류하고 싶을 수 있습니다.

간단한 특성을 선택하면 다음을 더 쉽게 수행할 수 있습니다.

  • 특성이 학습 알고리즘에 올바르게 도달합니다.
  • 모델이 합리적인 가중치를 학습합니다.
  • 특성이 서버의 모델에 올바르게 도달합니다.

이 세 가지 작업을 안정적으로 수행하는 시스템이 있다면 대부분의 작업을 완료한 것입니다. 간단한 모델에서는 더 복잡한 모델을 테스트하는 데 사용할 수 있는 기준 측정항목과 기준 동작을 제공합니다. 일부 팀은 첫 번째 출시인 '중립적인' 출시를 목표로 합니다. 첫 출시에서는 머신러닝의 이점에 명시적으로 우선순위를 두지 않아 주의가 산만해지지 않도록 합니다.

규칙 #5: 머신러닝과는 별개로 인프라를 테스트하세요.

인프라를 테스트할 수 있고 시스템의 학습 부분이 캡슐화되어 모든 요소를 테스트할 수 있어야 합니다. 특히 다음에 주의해야 합니다.

  1. 데이터를 알고리즘으로 가져오는 것을 테스트합니다. 채워야 하는 특성 열이 채워지는지 확인합니다. 개인 정보 보호가 허용하는 경우 수동으로 학습 알고리즘에 대한 입력을 검사합니다. 가능한 경우 다른 곳에서 처리된 동일한 데이터의 통계와 비교하여 파이프라인의 통계를 확인합니다.
  2. 학습 알고리즘에서 모델 가져오기 테스트 학습 환경의 모델이 서빙 환경의 모델과 동일한 점수인지 확인합니다 (규칙 #37 참조).

머신러닝에는 예측 불가능한 요소가 있으므로 학습 및 서빙에서 예시를 만드는 코드를 테스트하고 서빙 중에 고정된 모델을 로드하고 사용할 수 있는지 확인해야 합니다. 또한 데이터를 이해하는 것이 중요합니다. 대규모 복합 데이터 세트 분석을 위한 실용적인 조언을 참고하세요.

규칙 #6: 파이프라인을 복사할 때 데이터 드롭에 주의하세요.

종종 기존 파이프라인 (카고 컬트 프로그래밍)을 복사하여 파이프라인을 만들며, 이전 파이프라인은 새 파이프라인에 필요한 데이터를 삭제합니다. 예를 들어 Google Plus What's Hot의 파이프라인은 이전 게시물의 순위를 매기기 위해 이전 게시물을 삭제합니다. 이 파이프라인은 Google Plus 스트림에 사용하도록 복사되었고 여기서 이전 게시물은 여전히 유의미했지만 파이프라인에서 여전히 이전 게시물이 삭제되었습니다. 또 다른 일반적인 패턴은 사용자가 확인한 데이터만 로깅하는 것입니다. 따라서 부정적인 예시가 모두 삭제되었으므로 사용자가 특정 게시물을 보지 못한 이유를 모델링하려고 할 때 이 데이터는 의미가 없습니다. Play에도 유사한 문제가 발생했습니다. Play 앱 홈에서 작업할 때 각 게임의 출처를 구별하는 기능 없이 Play 게임즈 방문 페이지의 예시도 포함된 새 파이프라인이 생성되었습니다.

규칙 #7: 휴리스틱을 특성으로 변환하거나 외부에서 처리합니다.

일반적으로 머신러닝으로 해결하려는 문제는 완전히 새로운 것은 아닙니다. 순위 결정, 분류 또는 해결하려는 문제가 있는 경우 기존 시스템이 있습니다. 이는 많은 규칙과 휴리스틱이 있습니다. 이러한 휴리스틱은 머신러닝으로 조정할 때 상승 효과를 가져올 수 있습니다. 휴리스틱은 어떤 정보로든 확보해야 하는데, 다음과 같은 두 가지 이유로 인해 첫째, 머신러닝 시스템으로의 전환이 더 수월해집니다. 둘째, 일반적으로 이러한 규칙에는 폐기하고 싶지 않은 시스템에 관한 많은 직관이 포함됩니다. 기존 휴리스틱을 사용하는 방법에는 4가지가 있습니다.

  • 휴리스틱을 사용하여 전처리합니다. 이 기능이 정말 훌륭하다면 이는 선택 사항입니다. 예를 들어 스팸 필터에서 발신자가 이미 블랙리스트에 포함되어 있다면 '블랙리스트에 추가'가 의미하는 바를 다시 학습하지 마세요. 메시지를 차단합니다. 이 접근 방식은 이진 분류 태스크에 가장 적합합니다.
  • 특성을 만듭니다. 휴리스틱에서 직접 특성을 만드는 것도 좋습니다. 예를 들어 휴리스틱을 사용하여 쿼리 결과의 관련성 점수를 계산하는 경우 이 점수를 특성 값으로 포함할 수 있습니다. 나중에 머신러닝 기술을 사용하여 값을 마사지(예: 값을 유한한 값 중 하나로 변환하거나 다른 특성과 결합)할 수 있지만 휴리스틱으로 생성된 원시 값부터 사용할 수 있습니다.
  • 휴리스틱의 원시 입력을 광산합니다. 설치 수, 텍스트의 문자 수, 요일을 결합하는 앱에 휴리스틱이 있는 경우 이러한 요소를 분리하여 이러한 입력을 학습에 별도로 제공하는 것이 좋습니다. 앙상블에 적용되는 기법 중 일부가 여기에 적용됩니다 (규칙 #40 참조).
  • 라벨을 수정합니다. 이 옵션은 휴리스틱이 현재 라벨에 포함되지 않은 정보를 캡처한다고 생각되면 선택합니다. 예를 들어 다운로드 수를 최대화하려고 하지만 품질 높은 콘텐츠도 원한다면 앱에 라벨을 받은 평균 별표 수를 곱하면 됩니다. 여기 길이 많아요. '첫 번째 목표'를 참조하세요.

ML 시스템에서 휴리스틱을 사용할 때는 추가된 복잡성에 유의하세요. 새 머신러닝 알고리즘에 기존 휴리스틱을 사용하면 원활한 전환을 돕는 데 도움이 될 수 있지만 동일한 효과를 얻는 간단한 방법이 있는지 생각해 보세요.

모니터링

일반적으로 알림을 실행 가능한 상태로 만들고 대시보드 페이지를 두는 등 적절한 알림 상태 관리 연습하기

규칙 #8: 시스템의 최신 요구사항 파악

하루가 지난 모델이 사용되면 성능이 얼마나 저하되나요? 1주일 전? 한 분기가 지났나요? 이 정보는 모니터링의 우선순위를 이해하는 데 도움이 될 수 있습니다. 모델이 하루 동안 업데이트되지 않으면 제품 품질이 크게 저하되는 경우 엔지니어가 지속적으로 모델을 모니터링하는 것이 좋습니다. 대부분의 광고 게재 시스템에는 매일 처리되는 새로운 광고가 있으며 매일 업데이트해야 합니다. 예를 들어 Google Play 검색의 ML 모델을 업데이트하지 않으면 1개월 이내에 부정적인 영향을 미칠 수 있습니다. Google Plus의 핫 스타트 모델 중 일부에는 게시물 식별자가 없기 때문에 모델을 가끔 내보낼 수 있습니다. 게시물 식별자가 있는 다른 모델은 훨씬 더 자주 업데이트됩니다. 또한 최신성은 시간이 지남에 따라 변할 수 있으며 특히 모델에서 특성 열이 추가되거나 삭제될 때 변할 수 있습니다.

규칙 #9: 모델을 내보내기 전에 문제를 감지합니다.

많은 머신러닝 시스템에는 모델을 서빙으로 내보내는 단계가 있습니다. 내보낸 모델에 문제가 있으면 사용자에게 발생한 문제입니다.

모델을 내보내기 직전에 상태 검사를 실행합니다. 특히 홀드아웃 데이터 측면에서 모델의 성능이 적절한지 확인해야 합니다. 또는 데이터가 우려되는 경우 모델을 내보내지 마세요. 지속적으로 모델을 배포하는 많은 팀은 내보내기 전에 ROC 곡선(또는 AUC) 아래의 영역을 확인합니다. 내보내지 않은 모델 관련 문제에는 이메일 알림이 필요하지만 사용자 대상 모델의 문제에는 페이지가 필요할 수 있습니다. 따라서 사용자에게 영향을 미치기 전에 기다렸다가 확인하는 것이 좋습니다.

규칙 #10: 자동 실패를 관찰하라.

이는 다른 종류의 시스템보다 머신러닝 시스템에서 더 많이 발생하는 문제입니다. 조인되는 특정 테이블이 더 이상 업데이트되지 않는다고 가정해 보겠습니다. 머신러닝 시스템이 조정되고 동작이 지속적으로 양호한 상태로 유지되어 점진적으로 성능이 저하됩니다. 때로는 몇 달 전의 테이블이 나왔는데 간단한 새로고침을 하면 해당 분기에 출시된 다른 출시 버전보다 성능이 향상됩니다. 특성의 적용 범위는 구현 변경으로 인해 변경될 수 있습니다. 예를 들어 특성 열은 예시의 90% 에 채워지고 갑자기 예시의 60% 로 떨어질 수 있습니다. Play에는 6개월 동안 비활성 상태인 테이블이 있었고, 테이블을 새로고침할 때만 설치율이 2% 증가했습니다. 데이터 통계를 추적하고 가끔 데이터를 수동으로 검사하면 이러한 종류의 실패를 줄일 수 있습니다.

규칙 #11: 특성 열에 소유자 및 문서를 부여합니다.

시스템의 규모가 크고 특성 열이 많은 경우 각 특성 열을 누가 만들었거나 유지관리하는지 알고 있어야 합니다. 특성 열을 이해하는 사람이 떠나는 것을 발견하면 누군가 그 정보를 알고 있어야 합니다. 많은 특성 열에 설명이 포함된 이름이 있지만 특성의 자세한 정보, 출처, 유용성을 자세히 설명하는 것이 좋습니다.

첫 번째 목표

중요한 시스템에 대한 측정항목이나 측정값이 많이 있지만 머신러닝 알고리즘에는 목표를 달성하기 위해 알고리즘이 최적화를 시도하는 하나의 수치만 필요한 경우가 많습니다. 여기서는 목표와 측정항목을 구별합니다. 측정항목은 시스템에서 보고하는 숫자이며, 중요할 수도, 중요하지 않을 수도 있습니다. 규칙 #2도 참고하세요.

규칙 #12: 어떤 목표를 직접 최적화하려 하는지 지나치게 고민하지 말라.

개발자는 수익을 창출하고 사용자를 만족시키며 보다 나은 세상을 만들고자 합니다. 중요한 측정항목은 매우 많으며, 이들을 모두 측정해야 합니다 (규칙 #2 참조). 그러나 머신러닝의 초기 단계에서는 직접 최적화하지 않는 설정까지 포함하여 모두 증가하는 것을 확인할 수 있습니다. 예를 들어 클릭수 및 사이트에서 보낸 시간에 관심이 있다고 가정해 보겠습니다. 클릭수를 최적화하면 소요 시간이 증가할 수 있습니다.

따라서 모든 측정항목을 쉽게 늘릴 수 있을 때 단순하게 만들고 다른 측정항목의 균형을 맞추는 것에 너무 신경 쓰지 마세요. 이 규칙을 너무 오래 사용하지 마세요. 목표를 시스템의 궁극적인 상태와 혼동하지 마세요 (규칙 #39 참고). 직접 최적화된 측정항목을 늘리고 있지만 출시하지 않기로 결정한 경우에는 객관적인 수정이 필요할 수 있습니다.

규칙 #13: 첫 번째 목표에 대해 간단하고 관찰 가능한 기여 측정항목을 선택하세요.

진정한 목표가 무엇인지 모를 때가 많습니다. 그렇게 생각하다 보면 기존 시스템과 새 ML 시스템의 데이터 및 비교 분석 결과를 보다가 목표를 조정하려고 한다는 것을 알게 됩니다. 또한 서로 다른 팀원들이 진정한 목표에 합의하지 못하는 경우가 많습니다. ML 목표는 측정이 용이해야 하며 '실제' 목표에 대한 프록시여야 합니다. 실제로 '참' 목표는 없습니다 (규칙#39 참조). 따라서 간단한 ML 목표를 학습하고 추가 논리 (아마도 매우 간단한 로직)를 추가하여 최종 순위를 결정할 수 있는 '정책 레이어'를 상단에 배치하는 것이 좋습니다.

가장 쉬운 모델링 방법은 직접 관찰되고 시스템 작업으로 인해 발생하는 사용자 동작입니다.

  • 순위 링크가 클릭되었나요?
  • 순위 객체가 다운로드되었나요?
  • 순위 지정된 객체가 전달/답장/이메일로 전송되었나요?
  • 순위를 매긴 객체를 평가했나요?
  • 표시된 객체가 스팸/포르노/불쾌감을 줌으로 표시되었나요?

처음에는 간접 효과를 모델링하지 마세요.

  • 다음 날 사용자가 방문했나요?
  • 사용자가 사이트에 얼마나 오래 방문했나요?
  • 일일 활성 사용자 수

간접 효과는 큰 측정항목이 되며 A/B 테스트 및 출시 결정 중에 사용할 수 있습니다.

마지막으로, 머신러닝을 알아내려고 노력하지 마세요.

  • 사용자가 제품에 만족하고 있나요?
  • 사용자가 경험에 만족하나요?
  • 이 제품이 사용자의 전반적인 웰빙을 개선하고 있나요?
  • 이번 변경사항이 회사의 전반적인 건강에 어떤 영향을 미칠까요?

모두 중요하지만 측정하기는 매우 어렵습니다. 대신 프록시를 사용하세요. 사용자가 만족하면 사이트에 더 오래 머무릅니다. 사용자가 만족하면 내일 다시 방문합니다. 웰빙과 기업 건강의 경우, 머신러닝 목표와 판매 중인 제품 및 비즈니스 계획의 특성을 연결하는 데는 사람의 판단이 필요합니다.

규칙 #14: 해석 가능한 모델로 시작하면 디버깅이 더 쉬워집니다.

선형 회귀, 로지스틱 회귀, 푸아송 회귀는 확률적 모델에 의해 바로 동기가 부여됩니다. 각 예측은 확률 또는 예상값으로 해석 가능합니다. 이렇게 하면 분류 정확도 또는 순위 성능을 직접 최적화하는 목표 (0:1 손실, 다양한 힌지 손실 등)를 사용하는 모델보다 더 쉽게 디버깅할 수 있습니다. 예를 들어 학습 학습 확률이 나란히 예측된 확률에서 벗어나거나 프로덕션 시스템을 조사하면 이 편차로 문제가 드러날 수 있습니다.

예를 들어 선형, 로지스틱 또는 푸아송 회귀에서 평균 예측 기대값이 평균 라벨 (1모멘트 보정 또는 방금 보정됨)과 같은 데이터 하위 집합이 있습니다. 정규화가 없고 알고리즘이 수렴했다고 가정하면 일반적으로 그렇습니다. 각 예시에 대해 1 또는 0인 특성이 있는 경우 해당 특성이 1인 예 3개의 집합이 보정됩니다. 또한 모든 예시에 대해 1인 특성이 있으면 모든 예시 집합이 보정됩니다.

간단한 모델에서는 피드백 루프를 더 쉽게 처리합니다 (규칙 #36 참고). Google에서는 이러한 확률적 예측을 통해 결정을 내릴 때가 많습니다. 예를 들어 게시물에서 순위를 매길 때 예상 값이 낮아지는 경우 (클릭/다운로드 등의 가능성)입니다. 하지만 사용할 모델을 선택해야 할 때가 되면 모델이 제공하는 데이터의 가능성보다 결정이 중요합니다 (규칙 #27 참고).

규칙 #15: 정책 레이어에서 스팸 필터링과 품질 순위 구분하기

품질 순위는 예술과 관련 있지만 스팸 필터링은 전쟁입니다. 고품질 게시물을 판단하는 데 사용하는 신호는 시스템을 사용하는 사용자에게 명확하며, 이러한 속성을 포함하도록 게시물을 조정합니다. 따라서 품질 순위는 진실하게 게시된 콘텐츠의 순위를 매기는 데 초점을 맞춰야 합니다. 스팸 순위 지정을 위해 품질 순위 학습자를 할인해서는 안 됩니다. 마찬가지로 콘텐츠는 '순위'와 별도로 처리해야 합니다. 스팸 필터링은 다릅니다. 생성해야 하는 특성은 끊임없이 변화할 것입니다. 시스템에 분명한 규칙이 가해지는 경우가 많습니다 (게시물의 스팸 투표가 3회를 초과하는 경우에는 검색하지 마세요). 더 빨라지지 않더라도 학습된 모델은 매일 업데이트되어야 합니다. 콘텐츠 크리에이터의 평판이 큰 역할을 합니다.

어떤 수준에서는 두 시스템의 출력을 통합해야 합니다. 검색결과에서 스팸을 필터링하는 것은 이메일 메시지에서 스팸을 필터링하는 것보다 더 공격적일 수 있습니다. 정규화가 없고 알고리즘이 수렴했다고 가정할 때 그렇습니다. 일반적으로 사실입니다. 또한 품질 분류를 위해 학습 데이터에서 스팸을 삭제하는 것도 표준 방법입니다.

ML 2단계: 특성 추출

머신러닝 시스템 수명 주기의 첫 번째 단계에서 중요한 문제는 학습 데이터를 학습 시스템에 가져와 관심 있는 측정항목을 계측하고 제공 인프라를 만드는 것입니다. 단위 및 시스템 테스트가 포함된 엔드 투 엔드 시스템의 작동이 완료되면 2단계가 시작됩니다.

두 번째 단계에서는 성과가 저조한 과일이 많습니다. 시스템에 가져올 수 있는 다양한 명확한 기능이 있습니다. 따라서 머신러닝의 두 번째 단계는 가능한 한 많은 특성을 가져와 직관적인 방식으로 결합하는 것입니다. 이 단계를 진행하는 동안 모든 측정항목은 계속 상승해야 합니다. 출시가 많을 뿐만 아니라 훌륭한 학습 시스템을 만드는 데 필요한 모든 데이터를 결합할 수 있는 여러 엔지니어를 고용해도 좋습니다.

규칙 #16: 출시와 반복을 계획해 보세요.

지금 작업 중인 모델이 마지막 출시 모델이 될지, 아니면 모델 출시가 중지될지 예상하지 않아도 됩니다. 따라서 이번 출시로 인해 복잡성이 가중되면 향후 출시 속도가 느려질지 고려하세요. 많은 팀에서 몇 년 동안 분기당 모델을 출시했습니다. 새 모델을 출시하는 기본적인 이유는 3가지입니다.

  • 새로운 기능을 소개합니다.
  • 정규화를 조정하고 이전 특성을 새로운 방식으로 결합하고 있습니다.
  • 목표를 조정하는 중입니다.

모델에 약간의 애정을 주는 것이 좋습니다. 예시에 사용된 데이터를 살펴보면 새로운 신호뿐만 아니라 이전 신호를 손상시키는 데 도움이 될 수 있습니다. 모델을 빌드할 때 특성을 얼마나 쉽게 추가하거나 삭제하고 다시 조합할 수 있는지 생각해 보세요. 파이프라인의 새 사본을 만들고 정확성을 확인하는 것이 얼마나 쉬운지 생각해 보세요. 2~3개의 사본을 동시에 실행할 수 있는지 생각해 보세요. 마지막으로, 특성 16/36이 이 버전의 파이프라인에 포함되는지 걱정하지 않아도 됩니다. 다음 분기에 받을 수 있습니다.

규칙 #17: 학습된 특성이 아니라 직접 관찰 및 보고된 특성부터 시작하라.

논란의 소지가 있는 주제일 수도 있지만 많은 함정을 회피하는 것입니다. 우선 학습된 특성이 무엇인지 알아보겠습니다. 학습된 특성은 외부 시스템 (예: 비지도 클러스터링 시스템) 또는 학습자 자체 (예: 분해 모델 또는 딥 러닝을 통해)에 의해 생성된 특성입니다. 둘 다 유용할 수 있지만 많은 문제가 있을 수 있으므로 첫 번째 모델에 있어서는 안 됩니다.

외부 시스템을 사용하여 특성을 만드는 경우 외부 시스템에는 자체 목표가 있다는 점을 기억하세요. 외부 시스템의 목표는 현재 목표와 약하게 상관관계가 있을 수 있습니다. 외부 시스템의 스냅샷을 가져오면 오래된 것일 수 있습니다. 외부 시스템에서 기능을 업데이트하면 의미가 달라질 수 있습니다. 외부 시스템을 사용하여 기능을 제공하는 경우 이 접근 방식에는 많은 주의를 기울여야 합니다.

분해 모델과 심층 모델의 주요 문제는 볼록이 아니라는 점입니다. 따라서 최적의 해답을 구하거나 근사할 수 있다는 보장은 없으며, 반복마다 발견되는 국소 최솟값은 다를 수 있습니다. 이러한 변화로 인해 시스템 변경이 미치는 영향이 유의미한지 아니면 무작위적인지 판단하기가 어렵습니다. 심층 특성이 없는 모델을 만들면 뛰어난 기준 성능을 얻을 수 있습니다. 이 기준이 확보된 후에도 난해한 접근 방식을 더 시도해 볼 수 있습니다.

규칙 #18: 다양한 맥락에서 일반화하는 콘텐츠의 특성을 탐색해 보세요.

머신러닝 시스템은 보다 전체적인 관점에서 작은 역할을 하는 경우가 많습니다. 예를 들어 인기 소식에서 사용될 수 있는 게시물을 생각하면 많은 사람이 What's Hots에 표시되기 전에 게시물을 +1하거나 다시 공유하거나 댓글을 달게 됩니다. 학습자에게 이러한 통계를 제공하면 최적화 대상 컨텍스트에서 데이터가 없는 새 게시물을 홍보할 수 있습니다. YouTube 다음 볼만한 동영상에는 YouTube 검색에서 가져온 시청 횟수 또는 공동 시청 수 (다른 동영상을 본 후 특정 동영상을 시청한 횟수)가 사용될 수 있습니다. 명시적인 사용자 평가를 사용할 수도 있습니다. 마지막으로, 라벨로 사용하는 사용자 작업이 있는 경우 다른 컨텍스트에서 문서에 대한 작업을 확인하는 것은 좋은 특성이 될 수 있습니다. 이 모든 기능을 통해 새로운 콘텐츠를 맥락에 도입할 수 있습니다. 맞춤설정이 아닙니다. 먼저 이 컨텍스트에 있는 콘텐츠가 마음에 드는지 파악한 후 어느 정도를 좋아하는지 파악합니다.

규칙 #19: 가능하면 매우 구체적인 특성을 사용하세요.

데이터가 많아 몇 가지 복잡한 특성보다 수백만 개의 간단한 특성을 학습하는 것이 더 간단합니다. 가져오는 문서의 식별자와 표준화된 쿼리는 일반화를 많이 제공하지는 않지만 헤드 쿼리의 라벨에 맞게 순위를 조정합니다. 따라서 각 특성이 데이터의 극히 일부에 적용되지만 전체 범위가 90%를 초과하는 특성 그룹을 두려워하지 마세요. 정규화를 사용하면 너무 적은 예시에 적용되는 특성을 제거할 수 있습니다.

규칙 #20: 기존 특성을 조합하고 수정하여 사람이 이해할 수 있는 방식으로 새로운 특성을 생성하세요.

특성을 결합하고 수정하는 방법은 다양합니다. TensorFlow와 같은 머신러닝 시스템을 사용하면 변환을 통해 데이터를 사전 처리할 수 있습니다. 가장 표준적인 2가지 접근 방식은 '이산화'와 '교차'입니다.

이산화는 연속 특성을 사용하고 이로부터 많은 개별 특성을 생성하는 것으로 구성됩니다. 연령과 같은 연속 특성을 생각해 보세요. 만 18세 미만인 경우 1인 특성과 연령이 만 18~35세인 경우 1인 특성 등을 만들 수 있습니다. 히스토그램의 경계에 대해 너무 어렵게 생각하지 마세요. 기본 분위수가 대부분의 영향을 미칩니다.

교차는 둘 이상의 특성 열을 결합합니다. TensorFlow의 특성 열은 동일한 특성 집합(예: {male, female}, {US, Canada, Mexico} 등)의 집합입니다. 교차는 {male, female} × {US,Canada, Mexico} 등에서 특성을 갖는 새 특성 열입니다. 이 새로운 특성 열에는 특성 (남성, 캐나다)이 포함됩니다. TensorFlow를 사용 중이고 TensorFlow에 이 크로스를 만들도록 지시하는 경우 캐나다 남성 남성을 나타내는 예시에 이 (남성, 캐나다) 특성이 표시됩니다. 3개, 4개 또는 그 이상의 기본 특성 열이 교차된 모델을 학습시키려면 방대한 양의 데이터가 필요합니다.

매우 큰 특성 열을 생성하는 교차는 과적합될 수 있습니다. 예를 들어 일종의 검색을 수행하고 검색어에 특성이 포함된 특성 열이 있고 문서에 단어가 있는 특성 열이 있다고 가정해 보겠습니다. 이를 교차로 결합할 수 있지만, 그러면 많은 특성이 생성됩니다 (규칙 #21 참고).

텍스트 작업 시 두 가지 대안이 있습니다. 가장 엄격한 옵션은 내적입니다. 가장 단순한 형태의 내적은 단순히 쿼리와 문서 사이의 공통 단어 수를 집계합니다. 그러면 이 특성을 이산화할 수 있습니다. 또한

규칙 #21: 선형 모델에서 학습 가능한 특성 가중치의 수는 보유한 데이터의 양에 어느 정도 비례합니다.

모델에 대한 적절한 수준의 복잡성과 관련하여 유용한 통계적 학습 이론이 있습니다. 하지만 이 규칙만 알고 있으면 됩니다. 1,000개의 예시로부터 어떤 교훈을 얻을 수 있는지 확신이 서지 않거나 100만 개가 넘는 예시가 필요하다는 사실을 확신할 수 없는 대화를 나누었습니다. 이러한 예시들이 특정 학습 방식에 얽매여 있게 되기 때문입니다. 중요한 점은 학습을 데이터 크기에 맞게 조정하는 것입니다.

  1. 검색 순위 시스템을 작업 중이고 문서 및 쿼리에 수백만 개의 단어가 있고 라벨이 지정된 예 1, 000개가 있다면, 문서 특성과 쿼리 특성 간의 내적, TF-IDF, 고도로 엔지니어링된 6개 개의 다른 특성도 사용해야 합니다. 예시 1,000개, 특성 12개
  2. 예시가 100만 개라면 정규화와 특성 선택을 사용하여 문서 특성과 쿼리 특성 열을 교차합니다. 이렇게 하면 수백만 개의 특성이 제공되지만 정규화를 통해 특성 수가 줄어듭니다. 100만 개의 예시, 10만 개의 특성
  3. 예시가 수십억 또는 수천 개라면 특성 선택 및 정규화를 사용하여 특성 열을 문서 및 쿼리 토큰과 교차할 수 있습니다. 10억 개의 예시에 1, 000만 개의 특성이 있습니다. 통계적 학습 이론은 절대적인 경계를 거의 제시하지 않지만 출발점에 대한 안내를 제공합니다.

결국 규칙 #28을 사용하여 사용할 특성을 결정합니다.

규칙 #22: 더 이상 사용하지 않는 특성을 정리하세요.

사용되지 않는 특성은 기술 부채가 됩니다. 어떤 기능을 사용하고 있지 않은데 그 기능이 다른 기능과 결합되지 않으면 인프라에서 제거하세요. 인프라를 깔끔하게 유지하여 가장 유망한 기능을 가능한 한 빨리 사용해 볼 수 있어야 합니다. 필요한 경우 사용자가 기능을 다시 추가할 수 있습니다.

추가하거나 유지할 기능을 고려할 때는 적용 범위를 염두에 두세요. 이 특성에는 몇 개의 예가 적용되나요? 예를 들어 일부 맞춤설정 기능은 있지만 사용자의 8% 만 맞춤설정 기능을 사용하고 있다면 그다지 효과적이지 않을 것입니다.

동시에 어떤 특징은 무게를 뚫을 수 있습니다. 예를 들어 데이터의 1% 만 적용되는 특성이 있고 이 예시가 있는 예 중 90% 가 양수인 경우 추가 기능을 사용하면 좋습니다.

시스템의 인간 분석

머신러닝의 세 번째 단계로 넘어가기 전에, 머신러닝 클래스에서 학습하지 않는 것, 즉 기존 모델을 살펴보고 개선하는 방법에 초점을 맞추는 것이 중요합니다. 이 방법은 과학보다는 예술에 더 가깝지만 피해야 할 몇 가지 안티패턴이 있습니다.

규칙 #23: 일반적인 최종 사용자가 아님

팀원이 어려움을 겪을 수 있는 가장 쉬운 방법일 것입니다. 어업 (팀 내 프로토타입 사용)과 dogfood (회사의 프로토타입 사용)에는 많은 이점이 있지만, 직원들은 실적이 올바른지 확인해야 합니다. 명백히 나쁜 변경사항은 사용해서는 안 되지만, 프로덕션 근처에서 합리적으로 보이는 것은 크라우드소싱 플랫폼에서 비용을 지불하는 일반인에게 비용을 지불하거나 실제 사용자를 대상으로 한 실시간 실험을 통해 추가로 테스트해야 합니다.

여기에는 두 가지 이유가 있습니다. 첫 번째는 코드에 너무 가깝습니다. 게시물의 특정 측면을 추구하거나 너무 감정에 가담하는 경우 (예: 확증 편향) 두 번째로는 시간이 너무 소중합니다. 엔지니어 9명이 1시간 동안 회의에 참석하는 비용을 고려하고 크라우드소싱 플랫폼에서 구매하는 계약된 인간 라벨이 얼마나 많은지 생각해 보세요.

사용자 의견을 꼭 수집하려면 사용자 경험 방법론을 사용하세요. 프로세스 중간에 미리 페르소나 캐릭터를 만들고 (설명 한 개는 Bill Buxton의 Sketching User Experience 참고) 사용성 테스트를 실행합니다 (하나의 설명은 스티브 크럭의 Don't Make Me Think 참조). 사용자 캐릭터에는 가상의 사용자를 만드는 작업이 포함됩니다. 예를 들어 팀이 모두 남성인 경우 35세의 여성 사용자 캐릭터 (사용자 기능 포함)를 설계하고 25~40세 남성의 결과 10개가 아닌 그 결과를 관찰하는 것이 도움이 될 수 있습니다. 사용성 테스트에서 실제 사용자의 참여를 통해 사이트에 대한 반응 (로컬 또는 원격으로)을 확인하면 새로운 관점을 얻을 수 있습니다.

규칙 #24: 모델 간의 델타를 측정합니다.

사용자가 새 모델을 살펴보기 전에 할 수 있는 가장 쉽고 측정 가능한 측정 방법 중 하나는 새 결과가 프로덕션과 얼마나 다른지 계산하는 것입니다. 예를 들어 순위 지정 문제가 있다면 전체 시스템을 통해 쿼리 샘플에서 두 모델을 모두 실행하고 결과의 대칭 차이 크기 (순위 위치에 따른 가중치)를 확인합니다. 차이가 매우 작으면 실험을 실행하지 않아도 약간의 변화가 있을 수 있습니다. 차이가 크다면 큰 변동이 없는지 확인하는 것이 좋습니다. 대칭 차가 큰 쿼리를 살펴보면 변화를 질적으로 파악하는 데 도움이 될 수 있습니다. 그러나 시스템은 안정적인지 확인해야 합니다. 모델 자체와 비교할 때 대칭 차가 낮은지 이상적입니다 (0이 가장 좋음).

규칙 #25: 모델을 선택할 때 예측 능력보다 실용적인 성능이 우선합니다.

모델이 클릭률을 예측하려고 할 수 있습니다. 하지만 결국 중요한 질문은 이 예측으로 무엇을 할 것인지입니다. 이를 사용하여 문서의 순위를 매기는 경우 최종 순위의 품질이 예측 자체보다 중요합니다. 문서가 스팸일 확률을 예측한 후 차단되는 대상이 차단되는 경우 허용되는 작업의 정확성이 더 중요합니다. 대부분의 경우 이 두 가지 측면의 합의를 이루게 됩니다. 즉, 동의하지 않으면 작은 이익을 얻을 가능성이 높습니다. 따라서 로그 손실을 개선하지만 시스템 성능을 저하시키는 변경사항이 있으면 다른 특성을 찾아보세요. 이러한 일이 더 자주 발생하면 모델의 목표를 재검토할 때입니다.

규칙 #26: 측정된 오류에서 패턴을 찾아 새로운 특성을 생성한다.

모델이 '틀렸다'는 학습 예시가 있다고 가정하겠습니다. 분류 태스크에서 이 오류는 거짓양성 또는 거짓음성일 수 있습니다. 순위 결정 작업에서는 양성의 순위가 음성보다 낮아지는 쌍일 수 있습니다. 가장 중요한 점은 이 예시가 머신러닝 시스템에서 잘못되었다는 것을 알고 있으며 기회가 주어진다면 이를 수정하고 싶어 한다는 것입니다. 모델에 오류를 수정할 수 있는 특성을 제공하면 모델에서 이를 사용하려고 시도합니다.

반면 시스템에 잘못 표시되지 않는 예를 기반으로 특성을 생성하려고 하면 기능이 무시됩니다. 예를 들어 Play 앱 검색에서 사용자가 '무료 게임'을 검색한다고 가정해 보겠습니다. 상위 검색결과 중 하나가 관련성이 낮은 개그 앱인데 '개그 앱'에 대한 특성을 만든다고 가정해 보겠습니다. 그러나 설치 수를 최대화하고 있으며 사람들이 무료 게임을 검색할 때 개그 앱을 설치하면 개그 앱 기능은 원하는 효과를 얻지 못합니다.

모델이 잘못되었다는 예가 있다면 현재 특성 세트 외부의 추세를 찾아보세요. 예를 들어 시스템에서 긴 게시물의 순위를 내리는 것으로 보이면 게시물 길이를 추가합니다. 추가하는 기능을 너무 구체적으로 지정하지 마세요. 게시물 길이를 추가하려는 경우 길이 제한을 추측하려고 하지 말고 12개의 특성을 추가하고 모델이 이를 수행할 방법을 결정하도록 하세요 (규칙 #21 참고). 이는 가장 원하는 방법을 얻는 가장 쉬운 방법입니다.

규칙 #27: 관찰된 바람직하지 않은 동작을 수량화해 보세요.

일부 팀원은 마음에 들지 않는 시스템 속성으로 인해 불만을 느끼기 시작할 것입니다. 이러한 속성은 기존 손실 함수로 포착되지 않습니다. 이 지점에서 그리드를 고정된 숫자로 바꾸기 위해 필요한 모든 작업을 수행해야 합니다. 예를 들어 Play 검색에 '개그 앱'이 너무 많이 표시되는 경우 검토자가 개그 앱을 식별하도록 할 수 있습니다. (이 경우에는 트래픽의 상대적으로 작은 비율이 트래픽의 많은 부분을 차지하므로 이 경우 사람이 라벨을 지정한 데이터를 사용할 수 있습니다.) 측정 가능한 문제라면 기능, 목표 또는 측정항목으로 사용할 수 있습니다. 일반적인 규칙은 먼저 측정하고 두 번째로 최적화하는 것입니다.

규칙 #28: 단기적인 행동이라 해도 동일한 장기적 행동이 있다는 것은 아니란 점을 기억하세요.

모든 doc_id 및exact_query를 확인한 다음 각 쿼리의 모든 문서별 클릭 확률을 계산하는 새 시스템이 있다고 가정해 보겠습니다. 동작과 A/B 테스트의 동작이 현재 시스템과 거의 동일하므로 단순성을 감안하여 이를 실행합니다. 하지만 새로운 앱이 표시되지 않는 것을 발견했습니다. 이유가 무엇인가요? 시스템은 해당 쿼리를 사용한 자체 기록을 기반으로 한 문서만 표시하므로 새 문서가 표시되어야 한다는 점을 학습할 방법은 없습니다.

이러한 시스템이 장기적으로 어떻게 작동하는지를 이해하는 유일한 방법은 모델이 활성 상태일 때 획득한 데이터만 학습하도록 하는 것입니다. 이는 매우 어렵습니다.

학습-제공 편향

학습-제공 편향은 학습 도중의 성능과 제공 도중 성능의 차이입니다. 이러한 편향은 다음과 같은 이유로 발생할 수 있습니다.

  • 학습과 서빙 파이프라인에서 데이터를 처리하는 방법 간의 불일치
  • 학습과 서빙 시점 사이의 데이터 변화
  • 모델과 알고리즘 간의 피드백 루프

학습-제공 편향이 있는 Google의 프로덕션 머신러닝 시스템에서 성능에 부정적인 영향을 미치는 것으로 확인되었습니다. 가장 좋은 해결책은 시스템 및 데이터 변경으로 인해 편향이 발생되지 않도록 명시적으로 모니터링하는 것입니다.

규칙 #29: 서빙처럼 학습하도록 하는 가장 좋은 방법은 서빙 시에 사용된 특성 세트를 저장하고 학습 시 해당 특성을 로그에 파이프하는 것입니다.

모든 예시에서 이 작업을 수행할 수 없더라도 서빙과 학습 간의 일관성을 확인할 수 있도록 소수의 작은 규칙으로 수행합니다 (규칙 #37 참조). Google에서 이렇게 측정한 팀은 때때로 결과에 놀랐습니다. YouTube 홈페이지는 서비스 제공 시점에 로깅 기능으로 전환하여 상당한 품질 개선과 코드 복잡성 감소를 실현했으며, 많은 팀에서 이야기하면서 인프라를 변경하고 있습니다.

규칙 #30: 중요도가 샘플링된 데이터이므로 임의로 삭제하지 마세요.

데이터가 너무 많으면 파일 1~12를 취하고 파일 13~99를 무시하려는 경향이 있을 수 있습니다. 이는 잘못된 생각입니다. 사용자에게 표시된 적이 없는 데이터를 삭제할 수 있지만, 나머지 사용자에게는 중요도 가중치를 부여하는 것이 가장 좋습니다. 중요도 가중치는 예 X를 30% 의 확률로 샘플링한다고 가정하면 가중치 10/3을 부여합니다. 중요도 가중치를 적용해도 규칙 #14에서 논의된 모든 보정 속성은 계속 보류됩니다.

규칙 #31: 학습 및 서빙 시에 테이블의 데이터를 조인하면 테이블의 데이터가 변경될 수 있다는 점에 주의하세요.

문서 ID를 해당 문서의 기능 (예: 댓글 수 또는 클릭수)이 포함된 테이블과 조인한다고 가정해 보겠습니다. 학습과 서빙 시간 사이에 테이블의 특성이 변경될 수 있습니다. 동일한 문서에 대한 모델의 예측은 학습과 서빙 간에 다를 수 있습니다. 이러한 종류의 문제를 피하는 가장 쉬운 방법은 서빙 시 특성을 로깅하는 것입니다 (규칙 #32 참고). 테이블이 느리게만 변경되는 경우 매시간 또는 매일 테이블에 스냅샷을 생성하여 합리적으로 가까운 데이터를 가져올 수 있습니다. 그래도 문제가 완전히 해결되지는 않습니다.

규칙 #32: 가능하면 학습 파이프라인과 서빙 파이프라인 간에 코드를 재사용하세요.

일괄 처리는 온라인 처리와 다릅니다. 온라인 처리에서는 요청이 도착할 때 각 요청을 처리해야 하며 (예: 쿼리마다 별도의 조회를 수행해야 함) 일괄 처리에서는 작업 (예: 조인)을 결합할 수 있습니다. 서빙 시에는 온라인 처리를 수행하는 반면 학습은 일괄 처리 태스크입니다. 그러나 코드를 재사용할 수 있는 방법이 있습니다. 예를 들어 쿼리 또는 조인의 결과를 사람이 읽을 수 있는 방식으로 저장할 수 있는 시스템 전용 객체를 만들고 오류를 쉽게 테스트할 수 있습니다. 모든 정보를 수집했으면 서빙 또는 학습 중에 사람이 읽을 수 있는 시스템별 객체와 머신러닝 시스템이 예상하는 형식 간의 공통 메서드를 실행합니다. 학습-제공 편향의 원인이 제거됩니다. 따라서 학습과 서빙 사이에 서로 다른 두 프로그래밍 언어를 사용하지 마세요. 이러한 결정으로 인해 코드를 공유하기가 거의 불가능합니다.

규칙 #33: 1월 5일까지 데이터를 기반으로 모델을 생성하는 경우 1월 6일 이후의 데이터로 모델을 테스트하세요.

일반적으로 모델을 학습시킨 데이터 이후에 수집된 데이터로 모델의 성능을 측정하면 시스템이 프로덕션에서 수행할 작업을 더 잘 반영할 수 있습니다. 1월 5일까지 데이터를 기반으로 모델을 생성하는 경우 1월 6일의 데이터로 모델을 테스트하세요. 새 데이터에서는 성능이 좋지 않을 것이라고 예상할 수 있지만 성능이 더 나쁘면 안 됩니다. 일일 효과가 있을 수 있으므로 평균 클릭률이나 전환율을 예측할 수는 없지만 곡선 아래 영역이 양성 예시에 음성 예보다 더 높은 점수가 부여될 가능성을 나타내며 상당히 가깝습니다.

규칙 #34: 스팸 감지 또는 흥미로운 이메일 판단과 같은 필터링을 위한 이진 분류에서는 매우 깨끗한 데이터를 위한 성능을 단기적으로 희생해야 한다.

필터링 태스크에서 음수로 표시된 예는 사용자에게 표시되지 않습니다. 게재 시 부정적인 예의 75% 를 차단하는 필터가 있다고 가정해 보겠습니다. 사용자에게 표시되는 인스턴스에서 추가 학습 데이터를 도출하려는 경우 예를 들어 필터에서 허용하는 이메일을 사용자가 스팸으로 표시한 경우 이를 바탕으로 학습할 수 있습니다.

하지만 이 접근 방식은 샘플링 편향을 수반합니다. 서빙하는 동안 모든 트래픽의 1% 를 '홀드아웃'으로 라벨링하고 모든 홀드아웃 예를 사용자에게 전송하면 더 깨끗한 데이터를 수집할 수 있습니다. 이제 필터가 제외 예시의 74% 이상을 차단합니다. 홀드아웃된 예시는 학습 데이터가 될 수 있습니다.

필터가 제외 예시의 95% 이상을 차단한다면 이 접근 방식은 실행 가능성이 떨어집니다. 그렇더라도 서빙 성능을 측정하려면 더 작은 샘플 (예: 0.1% 또는 0.001%)을 만들면 됩니다. 10,000개의 예시로 충분히 정확한 성능을 예측할 수 있습니다.

규칙 #35: 순위 문제에서 발생할 수 있는 편향에 주의하세요.

순위 알고리즘이 여러 검색결과를 표시할 정도로 충분히 바꾸면 향후 알고리즘에 표시될 데이터를 효과적으로 변경한 것입니다. 이러한 편향이 나타나며 이를 중심으로 모델을 설계해야 합니다. 여러 가지 방법이 있습니다. 이러한 접근 방식은 모두 모델이 이미 본 데이터를 선호합니다.

  1. 하나의 쿼리에서만 사용 설정된 특성과 달리 더 많은 쿼리를 다루는 특성에 대해 더 높은 정규화를 적용합니다. 이 방법을 통해 모델은 모든 쿼리로 일반화되는 특성보다 하나 또는 몇 개의 쿼리와 관련된 특성을 선호합니다. 이 접근 방식을 사용하면 인기 있는 결과가 관련 없는 쿼리로 유출되는 것을 방지할 수 있습니다. 이는 좀 더 고유한 값을 갖는 특성 열에 더 많은 정규화를 적용하라는 기존의 권장사항과는 반대입니다.
  2. 특성에 양의 가중치만 부여하도록 허용합니다. 따라서 좋은 특성은 '알 수 없음'인 특성보다 낫습니다.
  3. 문서 전용 기능이 없습니다. #1의 극단적인 버전입니다. 예를 들어 특정 앱이 쿼리와 관계없이 인기 있는 다운로드라 하더라도 모든 곳에 이 앱을 표시하고 싶지는 않을 것입니다. 문서 전용 기능이 없는 경우 이러한 간단함이 유지됩니다. 특정 인기 앱을 어디에나 표시하지 않으려는 이유는 모든 원하는 앱을 쉽게 접근할 수 있게 하는 것이 중요하기 때문입니다. 예를 들어 사용자가 '새 관찰 앱'을 검색한다면 '앵그리 버드'를 다운로드할 수도 있지만 이는 의도하지 않았습니다. 이러한 앱을 표시하면 다운로드율을 높일 수 있지만 사용자의 요구사항이 충족되지 않는 경우도 있습니다.

규칙 #36: 위치 특성이 있는 피드백 루프를 방지하세요.

콘텐츠의 위치는 사용자가 콘텐츠와 상호작용할 가능성에 큰 영향을 미칩니다. 앱을 첫 번째 위치에 배치하면 더 자주 클릭되고 클릭할 가능성도 높아집니다. 이를 처리하는 한 가지 방법은 위치 기능, 즉 페이지에서 콘텐츠 위치에 관한 기능을 추가하는 것입니다. 위치 특성으로 모델을 학습시키고, 예를 들어 특성 '1위'에 가중치를 적용하는 방식으로 학습합니다. 따라서 모델은 "1stposition=true"가 있는 다른 가중치에 더 적은 가중치를 부여합니다. 서빙 시 어떤 인스턴스든 위치 특성을 제공하지 않거나 모두 동일한 기본 특성을 부여합니다. 이는 후보 표시 점수를 결정하기 전에 점수를 산정하기 때문입니다.

위치 특성은 학습과 테스트 사이의 이러한 비대칭으로 인해 모델의 나머지 부분과 어느 정도 분리되는 것이 중요합니다. 모델을 위치 특성의 함수와 나머지 특성의 함수로 더하는 것이 가장 좋습니다. 예를 들어 문서 특성과 위치 특성을 교차하면 안 됩니다.

규칙 #37: 학습/서빙 편향 측정.

가장 일반적인 의미에서 편향을 일으킬 수 있는 몇 가지 사항이 있습니다. 또한 다음과 같이 여러 부분으로 나눌 수 있습니다.

  • 학습 데이터와 홀드아웃 데이터의 성능 차이 일반적으로 이 상태는 항상 존재하지만 나쁜 것은 아닙니다.
  • 홀드아웃 데이터와 '다음날' 데이터 간의 성능 차이입니다. 이 역시 항상 존재합니다. 다음날 성능을 극대화하도록 정규화를 조정해야 합니다. 그러나 홀드아웃과 다음날 데이터 사이의 성능이 크게 하락하는 경우 일부 특성이 시간에 민감하여 모델 성능이 저하될 수 있습니다.
  • '다음날' 데이터와 실시간 데이터의 성능 간 차이 학습 데이터의 예시에 모델을 적용할 때와 서빙 시 동일한 예시에 모델을 적용하면 정확히 동일한 결과를 얻게 됩니다 (규칙 #5 참고). 따라서 이 차이는 엔지니어링 오류를 나타낼 수 있습니다.

ML 3단계: 느린 성장, 최적화 개선, 복잡한 모델

두 번째 단계가 거의 끝나갑니다. 우선, 월별 수익이 감소하기 시작합니다. 측정항목 간에 장단점이 생기기 시작합니다. 즉, 일부 실험은 증가하거나 일부 실험에서 떨어집니다. 여기에서 흥미가 생깁니다. 이득을 달성하기가 더 어려우므로 머신러닝이 더 정교해져야 합니다. 주의: 이 섹션에는 이전 섹션보다 푸른 하늘 규칙이 더 많습니다. 많은 팀들이 1단계와 2단계 머신러닝의 행복한 시간을 보냈습니다. 3단계에 도달하면 팀에서 각자의 경로를 찾아야 합니다.

규칙 #38: 일치하지 않는 목표가 문제가 된다면 새로운 특성에 시간을 낭비하지 말고

측정이 정체되고 있으면 팀에서 현재 머신러닝 시스템의 목표 범위를 벗어나는 문제를 조사하기 시작합니다. 앞에서 설명한 것처럼 제품 목표에 기존 알고리즘 목표가 적용되지 않는 경우 목표 또는 제품 목표를 변경해야 합니다. 예를 들어 클릭수, +1 또는 다운로드를 최적화할 수 있지만 출시 평가는 부분적으로 평가자에 따라 결정할 수 있습니다.

규칙 #39: 출시 결정은 장기적인 제품 목표의 프록시이다.

앨리스는 설치 수 예측의 로지스틱 손실을 줄이는 아이디어를 찾았습니다. 특성을 추가합니다. 로지스틱 손실이 감소합니다. 실시간 실험을 진행하면서 설치율이 증가하는 것을 확인했습니다. 그러나 출시 검토 회의에 참석했을 때 누군가 일일 활성 사용자 수가 5% 감소한다고 지적합니다. 팀에서 모델을 출시하지 않기로 결정합니다. 앨리스는 실망했지만, 지금은 출시 결정이 여러 기준에 의존하고 있으며 그중 일부만 ML을 사용하여 직접 최적화할 수 있음을 깨닫습니다.

진실은 던전과 드래곤이 아닙니다. 제품의 상태를 식별하는 히트 포인트는 없습니다. 팀에서는 수집된 통계를 사용하여 향후 시스템의 성능을 효과적으로 예측해야 합니다. 참여, 1일 활성 사용자 (DAU), 30일 DAU, 수익, 광고주의 투자수익에 관심을 가져야 합니다. A/B 테스트에서 자체적으로 측정되는 이러한 측정항목은 사용자 만족도 향상, 사용자 수 증가, 파트너 만족도, 이익 향상과 같은 장기적인 목표를 달성하기 위한 프록시일 뿐이며, 그 이후에도 유용한 고품질 제품을 갖추고 성공을 거두려면 5년 후 회사를 성장시킨다는 것을 고려할 수 있습니다.

유일한 출시 결정은 모든 측정항목이 개선되거나 적어도 개선되지 않는 때입니다. 팀이 정교한 머신러닝 알고리즘과 단순한 휴리스틱 사이에서 선택할 수 있는 경우 단순한 휴리스틱이 이러한 모든 측정항목에서 더 나은 작업을 수행한다면 휴리스틱을 선택해야 합니다. 또한 가능한 모든 측정항목 값의 명시적 순위는 없습니다. 특히 다음 두 가지 시나리오를 생각해 보세요.

실험 일일 활성 사용자 수 수익/일
A 100만 400만 달러
B 200만 회 200만 달러

현재 시스템이 A라면 팀에서 B로 전환할 가능성이 낮습니다. 현재 시스템이 B라면 팀에서 A로 전환할 가능성이 낮습니다. 이렇게 하면 유리한 행동과 상충하는 것처럼 보일 수 있습니다. 그러나 측정항목의 변화 예측은 팬아웃될 수도 있고 아니어도 될 수 있으므로 둘 다 변경과 관련된 큰 위험이 있습니다. 각 측정항목은 팀이 우려하는 몇 가지 위험을 다룹니다.

또한 팀의 궁극적인 관심사는 '지금부터 내 제품이 5년 후에 만들어질 것'입니다.

반면 사람들은 직접 최적화할 수 있는 한 가지 목표를 선호하는 경향이 있습니다. 대부분의 머신러닝 도구는 이러한 환경을 선호합니다. 새로운 기능을 출시하는 엔지니어는 이러한 환경에서 꾸준한 출시가 발생할 수 있습니다. 머신러닝의 한 유형으로, 다단계 학습으로 이 문제를 해결하기 시작합니다. 예를 들어 각 측정항목의 하한이 있는 제약조건 만족 문제를 공식화하고 측정항목의 일부 선형 조합을 최적화할 수 있습니다. 그러나 그렇다 하더라도 모든 측정항목이 머신러닝 목표로 프레이밍되는 것은 아닙니다. 문서가 클릭되거나 앱이 설치된 경우 콘텐츠가 표시되었기 때문입니다. 하지만 사용자가 사이트를 방문하는 이유를 파악하기란 훨씬 어렵습니다. 사이트의 미래 실적을 전반적으로 예측할 수 있는 방법은 AI를 온전히 사용하는 것입니다. 컴퓨터 비전이나 자연어 처리는 어렵습니다.

규칙 #40: 앙상블은 단순하게 유지한다.

원시 특성을 가져와 콘텐츠의 직접 순위를 매기는 통합 모델은 디버깅과 이해가 가장 쉬운 모델입니다. 그러나 모델의 앙상블 (다른 모델의 점수를 결합하는 '모델')은 더 효과적일 수 있습니다. 단순화하기 위해 각 모델은 다른 모델의 입력만 취하는 앙상블이거나 여러 특성을 필요로 하는 기본 모델 중 하나여야 합니다. 별도로 학습된 다른 모델 위에 모델이 있는 경우 이러한 모델을 결합하면 비정상적인 동작이 발생할 수 있습니다.

앙상블에는 기본 모델의 출력만 입력으로 취하는 간단한 모델을 사용합니다. 이러한 앙상블 모델에도 속성을 적용해야 합니다. 예를 들어 기본 모델에서 생성된 점수의 증가로 인해 앙상블의 점수가 낮아져서는 안 됩니다. 또한 수신 모델의 의미론적 해석이 가능한 경우 (예: 보정) 기본 모델의 변경사항이 앙상블 모델에 혼란을 주지 않도록 하는 것이 가장 좋습니다. 또한 기본 분류자의 예측 확률이 증가해도 앙상블의 예측 가능성이 감소하지 않도록 합니다.

규칙 #41: 실적 개선이 필요한 경우, 기존 신호를 다듬기보다는 질적으로 새로운 정보 출처를 찾아 추가하세요.

사용자에 대한 인구통계 정보를 추가했습니다. 문서에 사용된 단어에 관한 정보를 추가했습니다. 템플릿 탐색 기능을 통해 정규화를 조정했습니다. 출시가 몇 분기에 걸쳐 주요 측정항목을 1% 넘게 개선되지 않았습니다. 다음 단계는 무엇일까요?

이제 사용자가 지난 1일, 1주 또는 1년 동안 액세스한 문서 기록 또는 다른 속성의 데이터와 같이 근본적으로 다른 기능을 위한 인프라 빌드를 시작할 차례입니다. wikidata 항목 또는 회사 내부의 정보 (예: Google의 지식 정보)를 사용하세요. 딥 러닝을 사용합니다. 투자수익에 대한 기대치를 조정하고 그에 따라 노력을 확대할 수 있습니다. 다른 엔지니어링 프로젝트와 마찬가지로 새 특성을 추가할 때의 이점과 복잡성 증가라는 이점을 비교해야 합니다.

규칙 #42: 다양성, 맞춤설정 또는 관련성은 인기도와 상관관계가 높을 것으로 기대하지 마세요.

콘텐츠 다양성은 여러 가지 의미를 가질 수 있는데 콘텐츠 소스는 가장 일반적인 다양성 중 하나입니다. 맞춤설정은 각 사용자가 자신의 결과를 얻는 것을 의미합니다. 관련성은 특정 쿼리의 결과가 다른 쿼리보다 더 적절하다는 것을 의미합니다. 따라서 이 3가지 속성은 모두 평범함과는 다르게 정의됩니다.

평범함이 어려운 경우가 많다는 것이 문제입니다.

시스템에서 클릭수, 사용 시간, 시청 횟수, +1, 재공유 등을 측정하는 경우 콘텐츠의 인기도를 측정합니다. 팀은 때로 다양성이 있는 개인 모델을 학습하려고 합니다. 맞춤설정을 위해 시스템에서는 맞춤설정을 위한 기능(사용자의 관심을 나타내는 일부 기능) 또는 다각화(이 문서에 작성자 또는 콘텐츠와 같이 다른 문서에 공통된 기능이 있는지 여부를 나타내는 기능)를 추가하고 이러한 특성이 예상보다 가중치가 적거나 다른 기호인 것을 확인합니다.

그렇다고 해서 다양성, 맞춤설정 또는 관련성이 가치가 없는 것은 아닙니다. 이전 규칙에서 설명한 것처럼 다양성 또는 관련성을 높이기 위해 후처리를 수행할 수 있습니다. 장기적인 목표가 증가하는 경우 인기도 외에도 다양성/관련성이 중요하다고 선언할 수 있습니다. 그런 다음 계속해서 후처리를 사용하거나 다양성 또는 관련성에 따라 목표를 직접 수정할 수 있습니다.

규칙 #43: 친구는 서로 다른 제품 간에 같은 경향을 보입니다. 관심분야가 아닌 경향이 있습니다.

Google팀은 한 제품의 연결성을 예측하는 모델을 채택하여 다른 제품에서 원활하게 작동하도록 함으로써 많은 관심을 받고 있습니다. 친구는 본인입니다. 반면 여러 팀이 제품 분할 전반에 걸쳐 맞춤설정 기능을 사용하는 데 어려움을 겪고 있었습니다. 예, 잘 작동하는 것 같습니다. 현재로서는 그렇게 보이지 않습니다. 한 가지 속성의 원시 데이터를 사용하여 다른 속성의 동작을 예측하는 방법도 있었습니다. 또한 사용자가 다른 속성에 방문 기록을 가지고 있었다면 아는 것도 도움이 될 수 있습니다. 예를 들어 두 제품에서 사용자 활동이 있다는 사실은 그 자체로도 드러날 수 있습니다.

Google 및 외부 머신러닝에 관한 많은 문서가 있습니다.

감사의 말씀

감사합니다. 또한 이전 버전을 만든 Kristen Lefevre, Suddha Basu, Chris Berg에게도 감사드립니다. 오류나 누락, 대중적 견해 등은 저만의 문제입니다.

부록

이 문서에는 다양한 Google 제품 관련 언급이 있습니다. 이해를 돕기 위해 가장 일반적인 예를 아래에 간단히 설명하겠습니다.

YouTube 개요

YouTube는 스트리밍 동영상 서비스입니다. YouTube 다음 볼만한 동영상팀과 YouTube 홈페이지팀은 ML 모델을 사용하여 동영상 추천의 순위를 매깁니다. 다음 볼만한 동영상에서는 현재 재생 중인 동영상을 시청할 동영상을 추천하며, 홈페이지에서는 홈페이지를 둘러보는 사용자에게 동영상을 추천합니다.

Google Play 개요

Google Play에는 다양한 문제를 해결하는 모델이 많습니다. Play 검색, Play 홈페이지 맞춤설정 추천, '사용자가 설치한 앱' 앱도 모두 머신러닝을 사용합니다.

Google+ 개요

Google Plus에서는 머신러닝을 통해 사용자가 보는 게시물의 랭킹, '인기 게시물'(순위가 높은 게시물), 현재 인기 있는 게시물의 순위 지정 등 Google+는 2019년에 모든 개인 계정을 해지했으며, 2020년 7월 6일에 비즈니스 계정용 Google Currents로 대체되었습니다.