Predictive Modeling

예측 모델링은 과거 데이터를 사용해 통계 모델이나 머신러닝 모델을 구축하고, 고객이 해지할지, 매장이 다음 주에 얼마나 판매할지, 스캔에서 질병이 보이는지 등 아직 알려지지 않았거나 발생하지 않은 결과를 추정하는 과정입니다. 모델은 과거 사례의 입력 특징과 알려진 결과 간의 관계를 학습하는 지도 학습 방식으로 훈련한 다음, 이 관계를 새로운 사례에 적용하며 예측과 함께 확률이나 범위를 반환하는 경우가 많습니다. 예측 분석은 마케팅, 금융, 운영, 의료 분야의 의사결정에 이러한 모델을 적용하는 비즈니스 관행입니다. 발생한 일을 요약하는 기술 분석과 무엇을 해야 할지 권고하는 처방 분석 사이에 위치합니다.

예측 모델링 워크플로#

프로젝트는 먼저 예측 대상과 해당 예측이 뒷받침할 의사결정을 정의하고, 예측 시점에 입력값이 알려져 있던 과거 사례를 수집하는 것으로 시작합니다. 특징 엔지니어링은 원시 레코드를 모델 입력으로 변환하며, 데이터는 학습, 검증, 테스트 세트로 나뉩니다. 예측 문제에서는 모델이 학습에 사용한 기간보다 나중의 기간에 대해 항상 평가되도록 시간 순으로 데이터를 분할합니다. 무작위 분할을 사용하거나 정답을 인코딩하는 특징을 포함하면 데이터 누수가 발생해 점수가 부풀려집니다. 홀드아웃 데이터에서 후보 모델을 단순한 기준 모델과 비교하고, 배포 후에는 세상이 변하면서 모델이 학습한 관계가 약해지므로 데이터 드리프트를 관찰합니다.

평가에는 의사결정에 적합한 지표를 사용합니다. 분류 모델에는 정밀도, 재현율, ROC 곡선 아래 면적을 사용하고, 수치 예측에는 평균 절대 오차 (MAE)나 평균 제곱근 오차를 사용합니다. 교차 검증은 여러 학습-테스트 분할의 결과를 평균 내 소규모 데이터셋의 성능을 추정합니다. 다음 예제는 scikit-learn을 사용해 환자의 기준 측정값으로부터 1년 후 당뇨병 진행 정도를 예측하고, 항상 평균을 예측하는 기준 모델과 두 모델을 비교합니다.

from sklearn.datasets import load_diabetes
from sklearn.dummy import DummyRegressor
from sklearn.ensemble import HistGradientBoostingRegressor
from sklearn.linear_model import Ridge
from sklearn.model_selection import cross_val_score

# 442 patients: 10 baseline measurements and disease progression one year later
X, y = load_diabetes(return_X_y=True)

models = {
    "Baseline (always predict the mean)": DummyRegressor(),
    "Ridge regression": Ridge(alpha=0.1),
    "Gradient-boosted trees": HistGradientBoostingRegressor(max_depth=3, random_state=0),
}
for name, model in models.items():
    # Mean absolute error on held-out folds of 5-fold cross-validation
    scores = cross_val_score(model, X, y, cv=5, scoring="neg_mean_absolute_error")
    print(f"{name}: MAE {-scores.mean():.1f}")

기준 모델의 진행도 점수 오차는 평균 66.0점이며 릿지 회귀는 44.6점, 그래디언트 부스팅 트리는 46.5점입니다. 따라서 두 모델 모두 오차를 약 3분의 1 줄이며, 환자 442명의 데이터에서는 더 단순한 선형 모델의 정확도가 더 높습니다.

예측 모델 유형#

예측 모델은 추정하는 결과에 따라 달라집니다. 로지스틱 회귀와 결정 트리와 같은 분류 모델은 범주와 일반적으로 해당 범주의 확률을 예측합니다. 선형 회귀와 같은 회귀 모델은 숫자를 예측합니다. 시계열 예측 모델은 시퀀스의 과거 값과 계절성, 외부 요인으로 미래 값을 예측하며, 생존 모델은 기계 고장과 같은 사건까지의 시간을 예측합니다. 여기에는 사건이 아직 발생하지 않은 사례도 포함됩니다. 표 형식 데이터에는 정규화 선형 모델과 랜덤 포레스트 및 XGBoost와 같은 트리 앙상블이 일반적으로 사용됩니다. 이미지, 오디오, 텍스트에서는 신경망이 주로 사용되며, 표 형식 파운데이션 모델은 데이터셋마다 모델을 학습하지 않고도 새로운 테이블에 대해 예측합니다.

컴퓨터 비전에서의 예측 모델링#

비전 모델은 입력으로 픽셀을 사용하는 예측 모델입니다. 예측 모드의 YOLO26은 이미지에서 찾은 각 객체에 대해 예측 클래스, 신뢰도 점수, 박스 좌표를 반환합니다. 이러한 예측으로부터 얻은 객체 수는 시간당 보행자 수에 따른 직원 배치와 같은 후속 예측의 입력 특징으로 자주 사용됩니다.

응용 분야#

• 예측 유지보수: 진동, 온도, 가동 시간 데이터로 학습한 모델은 부품이 고장 날 시점을 추정하므로, 고정된 일정에 따라 수리하는 대신 고장 전에 수리할 수 있습니다.
• 의료: 위험 모델은 환자 기록을 바탕으로 병원 재입원이나 패혈증 가능성을 추정하며, 영상 모델은 영상의학 전문의가 먼저 검토할 가능성이 높은 소견을 표시합니다.
• 신용 및 사기 점수화: 은행은 차입자의 채무 불이행이나 카드 거래의 사기 발생 확률을 예측하며, 각 카드 거래가 승인될 때 실시간으로 점수를 산출합니다.
• 수요 및 재고 계획: 소매업체는 과거 판매 기록, 가격, 프로모션, 공휴일을 바탕으로 매장 및 제품별 판매량을 예측해 주문할 재고량을 결정합니다.

예측 모델링과 관련 용어 비교#

• 데이터 마이닝: 예측 대상의 유무와 관계없이 대규모 데이터셋에서 패턴, 클러스터, 연관성을 찾습니다. 반면 예측 모델링은 항상 특정 결과를 추정합니다.
• 생성형 AI: 데이터 자체의 분포를 모델링해 새로운 텍스트, 이미지, 오디오를 생성합니다. 반면 예측 모델은 입력을 대상 값으로 매핑합니다.
• 인과 추론: 누군가 개입했을 때 일어날 일을 추정하며, 예측 모델은 상관관계만으로 이에 답할 수 없습니다. 1990년대의 폐렴 기록으로 학습한 모델은 천식 환자가 사망할 위험이 더 낮다고 학습했습니다. 해당 환자들은 보통 중환자실로 바로 입원했기 때문입니다. 이 예측에 따라 행동했다면 고위험 환자를 집으로 돌려보냈을 수도 있습니다.