A
약 120초
레이블 불균형 문제를 SMOTE로 다루며 트레이드오프 체감
실제로 데이터를 분석한 경험으로는 공개 데이터셋을 활용한 두 가지 프로젝트가 있습니다. 하나는 Kaggle의 이커머스 클릭 데이터를 써서 전환율 예측 모델을 만든 것이고, 다른 하나는 공공 교통 데이터로 혼잡도 패턴 분석을 한 것입니다. 제가 직접 담당한 부분은 데이터 전처리와 탐색적 분석, 그리고 Random Forest 분류 모델 학습이었습니다. 데이터 한계 면에서 이커머스 데이터는 레이블 불균형이 심했습니다. 전환 이벤트가 전체의 5% 미만이라 단순 학습을 하면 어김없이 '비전환'으로만 예측하는 모델이 나왔습니다.
SMOTE로 오버샘플링하니 Recall이 올라갔지만 Precision이 크게 떨어지는 트레이드오프가 있었습니다. 결과는 팀 발표에 활용했고, 레이블 불균형 처리가 모델 성능에 미치는 영향을 실제로 체감했습니다.
이 결의 특징
Kaggle 이커머스 클릭 데이터로 전환율 예측 모델을 만들면서 레이블 불균형이 전체의 5% 미만이라 단순 학습을 하면 어김없이 비전환으로만 예측하는 문제가 생겼고, SMOTE 오버샘플링으로 Recall이 올라갔지만 Precision이 크게 떨어지는 트레이드오프를 직접 체감한 흔적이 있습니다. 레이블 불균형 처리가 모델 성능에 미치는 영향을 실제로 확인한 결이 자주 보입니다.
이 결이 통하는 자리
레이블 불균형 비율과 SMOTE 적용 후 트레이드오프를 수치로 함께 설명될 때 통합니다. 처리 방법 선택이 어떤 지표를 희생하는지를 직접 확인한 자리가 살아 있는 곳에서 면접관의 꼬리질문이 줄어드는 결이 보입니다.