국내기사
D2MR : 머신러닝 시스템에서 데이터 특성 기반의 규칙 매핑을 통한 드리프트 탐지 기법 추천 프레임워크 = D2MR : a framework for recommending drift detection method via data characteristic-based rule mapping in machine learning system
머신러닝 시스템에서 시간이 지남에 따라 발생하는 데이터 분포 변화로 인한 드리프트는 성능 저하와 모델의 신뢰성 약화를 초래한다. 이를 해결하기 위해 다양한 드리프트 탐지 기법들이 연구되었으나 실제 환경에서는 데이터 특성에 적합한 기법을 선정하는 데 어려움이 존재한다. 본 연구에서는 데이터셋의 메타 특성(라벨 존재 여부, 데이터 유형, 크기, 차원 수, 거리 계산 가능성, 분포 유형)을 기반으로 적합한 탐지 기법을추천하는 D2MR(Drift Detection Method Recommender) 프레임워크를 제안한다. 제안하는 프레임워크는 데이터 특성과 탐지 기법을 체계적으로 매핑하여 머신러닝 시스템의 드리프트 모니터링에 효과적으로 통합될 수있다. 본 연구에서는 CIFAR-10 이미지 데이터셋과 UCI 와인품질 데이터셋을 활용한 사례연구를 통해 D2MR 의 실효성을 검증하였다.