토스 TASTE, 모델 학습 1일로 단축하고 비교 평가 자동화
·2026.11.17 16:14
핵심 내용
피쳐 수와 모델 구조 등 4가지 비교 과정을 자동화해 MLE의 판단 시간을 확보했다.
자세히 보기
- TASTE 프레임워크로 모델 학습 시간을 2주에서 1일로 줄이고, 모델 채택 전 필요한 4가지 비교 과정을 파이프라인에 자동화함
- auto_k 알고리즘으로 성능이 더 이상 오르지 않는 지점에서 피쳐 수를 결정해, 피쳐를 84% 줄여도 성능 손실 없이 상위 5% 회수율을 약 1.7배 높임
- 퍼널 모델에서 AITM 딥러닝과 트리를 같은 평가셋으로 비교해, 데이터가 충분한 경우 딥러닝이 AUROC 약 1.4% 우위, 양성이 적은 경우 트리가 우세함을 확인함
- OOT 정답 테이블 지정만으로 평가 보고서가 자동 생성되어 모델 평가 시간을 30분에서 1분으로 단축함
- 추론 시 피쳐 결손이 10%를 넘으면 점수 적재를 중단하고, 월중 데이터에 미래 정보가 섞이는 문제를 단독 AUROC로 탐지해 원천 데이터 처리 방식을 개선함
- 모델 파일 대신 학습 시 피쳐 목록과 해시값을 고정(Pinned)하여 점수 상위 고객 명단의 일관성을 유지함
이 한국어 요약은 AI가 자동으로 만들었습니다. 원문의 주장과 맥락은 원문에서 확인해 주세요. 저작권은 원저작자에게 있습니다.