728x90 반응형 하이퍼파라미터 최적화1 EBM 모델 심층 분석: 금융 사기 탐지, 성능과 해석 가능성을 모두 잡는 방법 Key Takeaways해석 가능한 AI(XAI)의 부상: EBM(Explainable Boosting Machine)은 XGBoost와 같은 블랙박스 모델의 성능에 필적하면서도, 각 예측의 근거를 명확히 설명할 수 있는 'Glass-box' 모델입니다.태구치 메소드 최적화: 전통적인 Grid Search 대비 실험 횟수를 획기적으로 줄이면서도 데이터 스케일러 순서와 하이퍼파라미터를 최적화하여 높은 ROC-AUC(0.983)를 달성합니다.불균형 데이터 처리: 정보 손실을 유발할 수 있는 SMOTE와 같은 리샘플링 기법 없이도, 모델 자체의 최적화를 통해 극심한 데이터 불균형 문제를 효과적으로 해결합니다.실시간 추론 성능: 최적화된 EBM은 실시간 신용카드 승인 환경의 엄격한 지연 시간(Latency) 요.. 2026. 2. 9. 이전 1 다음 반응형
