TILBench: 다양한 데이터 영역에 걸친 정형 데이터 불균형 학습을 위한 체계적인 벤치마크

요약

본 연구는 정형 데이터(tabular data)의 불균형 학습 문제를 다루기 위해 대규모 경험적 벤치마크인 TILBench를 제시합니다. TILBench는 57개의 다양한 정형 데이터셋과 40개 이상의 알고리즘을 사용하여 20만 개 이상의 통제된 실험을 수행했습니다. 연구 결과, 불균형 학습 방법의 효과는 특정 방법론에 국한되지 않고 데이터셋의 특성과 계산 제약 조건에 강력하게 의존함을 보여주며, 실질적인 방법 선택 가이드를 제공합니다.

핵심 포인트

• 정형 데이터 분야에서 불균형 학습은 여전히 중요한 연구 과제이다.
• TILBench는 57개 데이터셋과 40개 이상의 알고리즘을 평가하는 대규모 경험적 벤치마크를 제공한다.
• 불균형 학습 방법의 성능은 모든 설정에서 우세한 단일 방법론이 존재하지 않음을 보여준다.
• 방법 선택 시에는 데이터셋의 특성과 계산 제약 조건을 고려해야 한다.