특징Feature

무엇을 볼지 고르는 일이 절반이에요

같은 자료를 놓고도 어떤 값을 뽑아 쓰느냐에 따라 결과가 크게 달라져요. 중고차 값을 맞히는 일이라면 연식과 주행거리는 꼭 필요하고, 차 번호판 숫자는 아무 쓸모가 없어요. 필요한 값을 빠뜨리면 아무리 좋은 방법을 써도 맞힐 수 없어요.

있는 값을 그대로 쓰지 않고 손질해서 쓰기도 해요. 생년월일보다 나이가 쓸모 있고, 출고일과 오늘 날짜보다 그 사이 햇수가 쓸모 있어요. 이렇게 원본에서 판단에 도움이 되는 값을 만들어 내는 일을 특징 공학이라고 불러요.

머신러닝이 널리 쓰이기 시작하던 시절에는 이 작업이 일의 대부분이었어요. 그 분야를 잘 아는 사람이 무엇을 봐야 하는지 골라 주는 게 모델을 바꾸는 것보다 효과가 컸거든요.

관계없는 값은 오히려 방해가 돼요

값을 많이 넣을수록 좋을 것 같지만 그렇지 않아요. 판단과 상관없는 값이 섞여 들어가면 모델이 그 값에서 우연히 생긴 규칙을 붙잡아요. 마침 학습 자료에서 번호판 숫자가 큰 차들이 비쌌다면, 모델은 그 관계를 진짜인 줄 알고 배워 버려요.

이런 값은 학습 자료에서만 통하고 새 자료에서는 곧바로 무너져요. 그래서 특징을 고를 때는 넣을 값을 늘리기보다 도움이 안 되는 값을 덜어 내는 쪽에 더 신경을 써요.

비슷한 값이 여러 개 겹치는 것도 문제예요. 키를 센티미터로 넣고 미터로도 넣으면 새로 알려 주는 게 없으면서 계산만 늘어요.

특징과 라벨은 자리가 달라요

자료 한 건을 표의 한 줄이라고 보면, 앞쪽 칸들이 특징이고 맨 끝 칸이 라벨이에요. 특징은 모델이 보고 답을 지어내야 하는 문제지고, 라벨은 사람이 미리 적어 둔 정답이에요.

학습할 때는 둘 다 필요해요. 특징을 보고 낸 답과 라벨을 맞춰 보며 틀린 만큼 숫자를 고쳐 나가거든요. 하지만 실제로 쓸 때는 라벨이 없어요. 새로 들어온 자료에는 특징만 있고, 그 정답을 알아내는 게 모델이 할 일이니까요.

이 자리를 헷갈리면 큰 실수가 생겨요. 정답을 알아야만 채울 수 있는 값을 특징에 섞어 넣으면 시험 점수는 아주 좋게 나오지만, 실제 상황에서는 그 값을 구할 수 없어 아무 쓸모가 없어요.

숫자로 바뀌어야 계산에 들어가요

모델은 글자나 그림을 그대로 다루지 못해요. 어떤 특징이든 결국 숫자로 바뀌어야 해요. 냉장인지 상온인지 같은 값은 있음과 없음을 나타내는 자리로 펼쳐 놓고, 지역이나 분류처럼 순서가 없는 값도 마찬가지로 자리를 나눠서 표시해요.

크기가 제각각인 값들은 눈금도 맞춰 줘야 해요. 한 값은 0에서 1 사이를 오가는데 다른 값은 수십만 단위로 움직이면, 큰 값이 판단을 통째로 끌고 가 버려요. 그래서 값들의 폭을 비슷하게 맞추는 손질을 미리 해 둬요.

요즘은 재료를 스스로 찾아내요

딥러닝이 널리 쓰이면서 이 그림이 많이 바뀌었어요. 사진에서 무엇을 봐야 하는지 사람이 일러 주지 않아도, 여러 층을 쌓은 모델이 원본 화소에서 쓸 만한 재료를 층층이 만들어 내요. 앞쪽 층은 선과 모서리 같은 단순한 것을, 뒤쪽 층은 바퀴나 얼굴 윤곽 같은 덩어리를 잡아내는 식이에요.

그래도 사람의 몫이 사라진 건 아니에요. 어떤 자료를 넣을지, 어떤 값을 아예 빼야 하는지는 여전히 사람이 정해요. 특히 나이나 지역처럼 편향으로 이어질 수 있는 값은 넣을지 말지를 신중히 판단해야 해요.