P3-9.13 Part 4로 넘길 문제 경계¶

Section ID: P3-9.13 Version: v2026.07.23

보조제목: 시간, 개체, 정보, 산출물 형식은 예측 문제로 넘기기 전에 왜 함께 닫아야 하는가

학습 문제를 세울 수 있을 만큼 구조를 정리했다면, 마지막으로 함께 닫아야 하는 경계가 있습니다. 시간 순서가 중요한 문제인지, 같은 개체가 양쪽에 섞이면 안 되는지, 예측 시점 뒤 정보가 입력에 스며들지 않았는지, 실제 산출물이 0/1 분류보다 순서나 연속값에 더 가까운지 같은 경계입니다. 여기서 중요한 일은 항목 이름을 많이 늘리는 것이 아니라, 현재 문제 구조가 이 경계들 앞에서 서로 모순 없이 서 있는지 확인하는 것입니다.

즉 현재 문제 유형을 정리하는 단계에서는 다음 정도의 경계가 닫혀 있으면 충분합니다.

• 이 문제가 시간 순서 분할을 먼저 요구하는가
• 같은 개체를 양쪽에 두지 말아야 하는가
• 결과 뒤 정보가 입력에 섞이지 않았는가
• 실제 목표가 0/1 분류보다 순서나 연속값에 더 가까운가

작은 도식으로 보기¶

이 마지막 점검은 항목을 외우는 것보다, 현재 문제 구조를 어떤 순서로 닫아 보는지가 더 중요합니다.

flowchart TD
    A[현재 문제 구조가 거의 정리되었다] --> B{시간 순서가 중요한가}
    B -- 예 --> C[시간 순서를 반영한 분할을 먼저 쓴다]
    B -- 아니오 --> D[개체가 섞여도 되는지 본다]
    C --> D
    D --> E{같은 개체가 양쪽에 함께 있어도 되는가}
    E -- 아니오 --> F[group 또는 entity 기준으로 나눈다]
    E -- 예 --> G[정보 경계를 다음으로 본다]
    F --> G
    G --> H{예측 뒤 정보가 스며들었는가}
    H -- 아니오 --> I[분류, ranking, regression 중 산출물 형식을 확정한다]
    H -- 예 --> J[누출을 제거한 뒤 평가한다]
    J --> I

이 절에서는 이름을 모두 외우는 것보다, 현재 데이터 구조가 시간 경계와 개체 경계, 정보 경계, 산출물 형식을 제대로 닫고 있는지 확인하는 편이 더 중요합니다. 지금 단계에서 필요한 것은 세부 절차를 길게 펼치는 일이 아니라, 현재 구조가 무엇을 예측하고 무엇을 아직 예측하면 안 되는지 스스로 모순 없이 말할 수 있게 만드는 일입니다. 이 절은 항목 이름 모음이 아니라, 분할 설계, 정보 경계 점검, 산출물 형식 선택이 현재 문제 구조 안에서 서로 모순 없이 닫혀 있는지 확인하는 마지막 점검표로 읽어야 합니다.

출처와 참고 자료¶

• Google, Machine Learning Glossary, label leakage. 예측 시점 뒤 정보가 특징에 섞이면 라벨의 대리값을 입력으로 쓰는 설계 결함이 될 수 있다는 정보 경계 근거로 참고했다. 확인일: 2026-07-20. https://developers.google.com/machine-learning/glossary
• Google, Classification: ROC and AUC. AUC와 ROC가 양성 예시를 음성 예시보다 높게 순위화하는 능력 및 threshold와 구분되는 평가 관점과 연결된다는 설명을 ranking/evaluation design 근거로 참고했다. 확인일: 2026-07-20. https://developers.google.com/machine-learning/crash-course/classification/roc-and-auc
• W3C, PROV-Overview: An Overview of the PROV Family of Documents. 처리 단계, 재현 가능성, 버전 관리, 파생 관계를 provenance 관점에서 남기는 기준을 확인하는 데 참고했다. 확인일: 2026-07-20. https://www.w3.org/TR/prov-overview/
• Hyndman, Athanasopoulos, Forecasting: Principles and Practice (3rd ed.), Section 5.10 Time series cross-validation. 시간 순서가 있는 문제에서는 test 관측값보다 앞선 관측값만 training set에 넣어야 하며 미래 관측값을 forecast 구성에 사용할 수 없다는 설명을 time split 근거로 참고했다. 확인일: 2026-07-20. https://otexts.com/fpp3/tscv.html
• scikit-learn developers, Cross-validation: evaluating estimator performance, cross-validation iterators for grouped data. 같은 개체나 그룹의 dependent samples가 train/test 양쪽에 섞이지 않도록 해야 한다는 설명을 group split 근거로 참고했다. 확인일: 2026-07-20. https://scikit-learn.org/stable/modules/cross_validation.html#cross-validation-iterators-for-grouped-data