Files

T

koriweb 5ba5a55c78 feat: Wiki 지식 자산 업데이트 - UX Scenarios, Frontend, Game Design, Topics 추가 [2026-05-08]

2026-05-08 19:52:07 +09:00

5.3 KiB

Raw Blame History

id, title, category, status, canonical_id, aliases, duplicate_of, source_trust_level, confidence_score, tags, raw_sources, last_reinforced, github_commit, inferred_by, tech_stack

title

Feature Engineering

📌 한 줄 통찰 (The Karpathy Summary)

"데이터의 재구성: 원본 데이터에서 머신러닝 알고리즘이 패턴을 더 잘 파합할 수 있도록 유용한 특징(Feature)을 선택, 변형, 생성하여 모델의 성능을 극대화하는 과정."

📖 구조화된 지식 (Synthesized Content)

특징 공학(Feature Engineering)은 원시 데이터(Raw Data)를 머신러닝 모델에 적합한 형태의 입력 변수로 변환하는 작업으로, 모델의 정확도에 결정적인 영향을 미칩니다.

주요 프로세스:
- Feature Extraction: 고차원의 원본 데이터에서 가장 중요한 정보를 보존하면서 차원을 축소하거나 새로운 속성을 만들어냅니다. (예: 텍스트에서 Vector Embedding 추출)
- Feature Selection (특징 선택): 수많은 특징 중 모델 성능에 기여도가 높은 유의미한 변수만을 골라냅니다.
- Feature Transformation (특징 변환): 데이터의 스케일을 조정하거나 분포를 정규화합니다.
데이터 인코딩 기법:
- One-hot Encoding: 범주형 데이터를 0과 1로 구성된 벡터로 변환합니다. 각 카테고리가 독립적일 때 유용하지만 차원이 급격히 늘어나는 단점이 있습니다.
- Label Encoding: 범주형 데이터를 단순 숫자로 변환합니다.
검색 시스템에서의 활용:
- 사용자 행동 데이터(클릭률, 체류 시간)를 특징으로 변환하여 Learning to Rank (LTR) 모델의 입력값으로 사용합니다.

⚠️ 모순 및 업데이트 (Contradictions & Updates)

데이터 오염의 위험: 오류가 있는 데이터 파이프라인에서 추출된 특징은 실제를 잘못 대변하며, 이는 모델 전체의 신뢰도를 무너뜨립니다.
차원의 저주: 너무 많은 특징을 추가하면 연산 비용이 급증하고 모델이 복잡해져 성능이 저하될 수 있습니다. (단계적 확장이 권장됩니다.)
도메인 지식 의존성: 효과적인 특징을 설계하기 위해서는 해당 데이터의 비즈니스적 맥락(도메인 지식)이 깊게 요구됩니다.

💻 실전 구현 코드 (Boilerplate)

Pandas와 Scikit-learn을 활용한 기본적인 원-핫 인코딩 및 스케일링 예시입니다.

import pandas as pd
from sklearn.preprocessing import OneHotEncoder, StandardScaler

# 1. 샘플 데이터 (범주형 '도시', 수치형 '인구')
df = pd.DataFrame({
    'city': ['Seoul', 'Busan', 'Incheon', 'Seoul'],
    'population': [9400, 3300, 2900, 9500]
})

# 2. 원-핫 인코딩 적용
encoder = OneHotEncoder(sparse_output=False)
city_encoded = encoder.fit_transform(df[['city']])
city_df = pd.DataFrame(city_encoded, columns=encoder.get_feature_names_out(['city']))

# 3. 수치 데이터 스케일링 (표준화)
scaler = StandardScaler()
df['pop_scaled'] = scaler.fit_transform(df[['population']])

# 4. 결합된 특징 데이터프레임
final_features = pd.concat([city_df, df['pop_scaled']], axis=1)
print(final_features)

🔗 지식 연결 (Graph)

관련 개념: Machine Learning (Machine Learning), Natural Language Processing (NLP)
기술적 도구: One-hot Encoding, Vector Embedding
연결 알고리즘: Learning to Rank (LTR)

Last updated: 2026-05-04

🤖 LLM 활용 힌트 (How to Use This Knowledge)

언제 이 지식을 쓰는가:

(TODO)

언제 쓰면 안 되는가:

(TODO)

🧪 검증 상태 (Validation)

정보 상태: needs_review
출처 신뢰도: A
검토 이유: (P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)

🧬 중복 검사 (Duplicate Check)

기존 유사 문서: (TODO: 인덱서 클러스터 리포트 참조)
처리 방식: UPDATE (자동 정규화)
처리 이유: Phase 1 정규화 — 옛 템플릿/누락 필드 보강.

🕓 변경 이력 (Changelog)

날짜	변경 내용	처리 방식	신뢰도
2026-05-08	P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화)	UPDATE	A

💻 코드 패턴 (Code Patterns)

패턴 1: (TODO: 이 프로젝트 컨벤션 반영한 구조 스켈레톤)

# TODO

🤔 의사결정 기준 (Decision Criteria)

선택 A를 써야 할 때:

(TODO)

선택 B를 써야 할 때:

(TODO)

기본값:

(TODO)

❌ 안티패턴 (Anti-Patterns)

[안티패턴]: (TODO: 무엇을 하면 안 되는가 + 이유 + 대신 무엇을)

5.3 KiB Raw Blame History