2nd/10_Wiki/Topics/AI_and_ML/Decision Tree & XGBoost.md

---

id: P-Reinforce-AUTO-DTX-001 category: AI_and_ML confidence_score: 1.00 tags: [auto-reinforced, decision-tree, xgboost, gradient-boosting, learning-to-rank, machine-learning] last_reinforced: 2026-05-04

Decision Tree & XGBoost

📌 한 줄 통찰 (The Karpathy Summary)

"데이터의 의사결정 지도: 복잡한 조건들을 예/아니오의 트리 구조로 분해하여 결과를 예측하거나 순위를 매기며, 특히 수많은 약한 모델을 결합하는 부스팅(Boosting) 기법을 통해 현대 검색 시스템의 랭킹 성능을 극대화하는 알고리즘."

📖 구조화된 지식 (Synthesized Content)

의사결정 트리와 이를 고도화한 XGBoost는 정형 데이터(Structured Data) 분석 및 순위 학습(Learning to Rank) 분야에서 가장 강력한 성능을 발휘하는 기계 학습 모델입니다.

1. 의사결정 트리 (Decision Tree):

   • 원리: 데이터의 특정 특징(Feature)을 기준으로 가지를 치며 정답을 찾아가는 구조입니다.
   • 장점: 모델의 판단 근거를 시각적으로 확인하기 쉽고 직관적입니다.
   • 한계: 데이터가 조금만 바뀌어도 트리가 크게 변하는 불안정성(Overfitting)이 존재합니다.

2. XGBoost (Extreme Gradient Boosting):

   • 원리: 여러 개의 얕은 의사결정 트리를 순차적으로 생성하되, 이전 트리의 오차를 보완하는 방식으로 학습하는 앙상블(Ensemble) 기법입니다.
   • 특징: 병렬 처리를 통해 학습 속도가 매우 빠르고, 과적합 방지를 위한 정규화 기능을 내장하고 있습니다.

3. 검색 시스템에서의 활용 (LTR):

   • LambdaMART: 의사결정 트리와 부스팅 기법을 결합하여 검색 결과의 순위를 최적화하는 표준 알고리즘이며, XGBoost가 이를 구현하는 대표적 라이브러리입니다.
   • 사용자의 과거 클릭 패턴, 문서의 신선도, 텍스트 유사도 등 수십 가지 특징을 종합하여 최적의 검색 순위를 결정합니다.

⚖️ Trade-offs & Caveats

• 컴퓨팅 리소스: 특징(Feature)의 수가 늘어날수록 트리 깊이가 깊어지고 훈련 시간이 기하급수적으로 증가합니다. (단계적 특징 도입이 권장됩니다.)
• 외부 추론 구조: Elasticsearch와 같은 검색 엔진은 트리 기반 모델의 추론(Inference)은 지원하지만, 모델을 훈련하는 과정은 반드시 별도의 컴퓨팅 환경에서 수행되어야 하는 아키텍처적 제약이 있습니다.
• 데이터 의존성: 학습 데이터(Judgment List)의 품질이 낮으면 모델이 편향된 순위를 내놓게 됩니다.

💻 실전 구현 코드 (Boilerplate)

XGBoost를 사용한 회귀 예측(또는 랭킹을 위한 점수 산출)의 기초 예시입니다.

import xgboost as xgb
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error
import pandas as pd

# 1. 데이터 준비 (특징: 문서 유사도, 클릭수, 신선도 / 타깃: 관련성 점수)
data = {
    'sim_score': [0.9, 0.5, 0.8, 0.2],
    'clicks': [100, 20, 80, 5],
    'freshness': [0.95, 0.3, 0.88, 0.1],
    'relevance': [4, 1, 3, 0] # Ground Truth
}
df = pd.DataFrame(data)
X = df.drop('relevance', axis=1)
y = df['relevance']

# 2. 모델 생성 및 학습
model = xgb.XGBRegressor(objective='reg:squarederror', n_estimators=50)
model.fit(X, y)

# 3. 새로운 결과에 대한 점수 예측
new_docs = pd.DataFrame({'sim_score': [0.85], 'clicks': [50], 'freshness': [0.9]})
predicted_relevance = model.predict(new_docs)

print(f"Predicted Relevance Score: {predicted_relevance[0]:.4f}")

🔗 지식 연결 (Graph)

• 상위 개념: Machine Learning (Machine Learning), Learning to Rank (LTR)
• 핵심 알고리즘: LambdaMART, Random Forest (Bagging vs Boosting)
• 평가 체계: nDCG, MAP

---

Last updated: 2026-05-04