PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2609.26962v1cs.LG

CRISP: 불균형 표형 데이터 학습을 위한 확장 가능한 중요도 계층화 코어셋

CRISP: Scalable Importance-Stratified Coresets for Imbalanced Tabular Learning

대규모 불균형 표형(tabular) 데이터셋은 그래디언트 부스팅 트리를 반복 학습하는 비용을 크게 만든다. 기존 코어셋(coreset) 방법은 다수 클래스 예시의 대부분을 제거할 때 정확도를 자주 잃는다. 우리는 CRISP(Coreset Reduction via Importance-Stratified Pruning, 중요도 계층화 가지치기를 통한 코어셋 축소)를 제안한다. 이는 프록시 모델 점수의 분위(quantile) 계층에 걸쳐 negative-class 예산을 배분하는 선형 시간 방법이다. 샘플 가중치는 불균등한 포함 확률을 반영한다. 프로덕션 사기(fraud) 데이터셋에서 negative-class를 95% 축소할 때, CRISP는 2,500만 행 중 약 170만 행으로 학습하며 전체 데이터 Average Precision의 99.7%를 유지한다. 이는 총 학습 행 수 93.2% 감소에 해당한다. 공개 CriteoPrivateAds에서는 다수 클래스 축소율 90%부터 99.4%까지 시험한 모든 비율에서 CRISP가 평균 Average Precision이 가장 높다. Sparkov에서는 낮은 축소율에서 결과가 엇갈리지만, 99.2% 및 99.4%에서 평균이 가장 높다. ablation은 예산 배분과 역성향(inverse-propensity) 가중치가 프로덕션 데이터셋 성능 향상의 주요 원인임을 밝힌다.