회귀기 체인

목표를 차례로 예측하기

목표가 u,v,w이면 첫 모형은 입력 x에서 u를 예측한다. 둘째는 x와 u 정보를 사용해 v를, 셋째는 x와 u,v 정보를 사용해 w를 예측한다. 목표별 모형을 독립적으로 학습하는 방식과 달리 앞 모형의 결과가 뒤 모형에 들어간다. 순서를 바꾸면 입력 구조도 달라진다.

오차가 전달되는 예

뒤 모형이 v=2x+3u라는 식을 사용한다고 가정하자. x=1에서 앞 모형의 예측 u가 4이면 v의 예측은 14다. 같은 x에서 u 예측만 3으로 바뀌면 v는 11이 된다. 앞 예측의 차이 1이 뒤에서는 차이 3으로 반영된다. 이는 연결 효과를 설명하는 가상 식이며 실제 학습된 계수라는 뜻은 아니다.

학습 입력의 품질

학습에 앞 목표의 정답을 넣는 방식과 교차 검증 예측을 넣는 방식은 다르다. 실제 새 입력에는 목표의 정답이 없으므로 앞 모형의 예측을 사용해야 한다. 학습에서 본 깨끗한 목표와 예측 단계의 오차 있는 값 사이 차이를 검토하고, 평가 자료의 정답이 연결 특징에 섞이지 않도록 해야 한다.

성능을 비교할 때

목표 사이 상관이 있다고 체인이 항상 유리한 것은 아니다. 앞 단계 오류가 커지거나 순서가 부적절하면 독립 모형보다 나쁠 수 있다. 목표별 단위와 오차를 살피고 전체 평균 점수만으로 판단하지 않는다. 같은 분할과 전처리 조건에서 순서, 기본 회귀기, 독립 예측 기준 모형을 비교한다.