목록under-sampling (1)

move84

머신러닝: 데이터 불균형 문제 해결 - 리샘플링 기법

머신러닝 모델의 성능은 훈련 데이터의 품질에 크게 의존한다. 현실 세계의 데이터는 종종 불균형하게 분포되어 있으며, 특히 머신러닝 모델이 특정 클래스를 제대로 예측하지 못하는 '데이터 불균형 (Data Imbalance)' 문제는 매우 흔하게 발생한다. 이 글에서는 데이터 불균형 문제의 개념과 이를 해결하기 위한 리샘플링 기법(Resampling Techniques)에 대해 알아본다. 💡 데이터 불균형이란?데이터 불균형은 머신러닝 데이터셋에서 각 클래스(또는 레이블)에 속하는 데이터의 양이 현저하게 차이가 나는 현상을 의미한다. 예를 들어, 사기 거래 탐지 모델을 훈련한다고 가정해 보자. 대부분의 거래는 정상 거래이지만, 소수의 거래가 사기 거래일 것이다. 이 경우 정상 거래 데이터는 압도적으로 많고,..
머신러닝 2025. 3. 3. 09:32
이전 Prev 1 Next 다음