데이터 분포 변화 관찰하기, 작은 재현 예제로 좁혀 가기

모델 코드가 그대로여도 입력 데이터의 분포가 달라지면 결과가 달라질 수 있다.

화면이나 실행 결과가 예상과 다를 때 전체 시스템을 한꺼번에 설명하려 하면 단서가 흐려진다. 관련 없는 의존성을 덜어 내고 조건을 하나씩 바꾸면 어느 가정이 깨졌는지 볼 수 있다. 이번에는 원인을 단정하기 전에 비교 가능한 최소 예제를 만드는 과정을 정리한다.

변수를 줄이는 순서

학습 당시의 분포와 최근 입력을 같은 기준으로 요약한다. 값의 범위, 결측률, 범주 비율을 살피되 분포 변화가 곧 성능 저하라는 결론은 별도로 검증한다.

이번에 확인할 질문: 한 가지 조건만 바꾸었을 때 관찰 결과도 함께 바뀌는가?

작게 확인하는 예제

다음 예제는 핵심 조건을 드러내기 위한 출발점이다. 서비스의 전체 구현을 대신하지 않으므로 실제 입력 범위와 실패 처리 규칙을 함께 읽어야 한다.

def missing_rate(values):
    if not values:
        return None
    return sum(value is None for value in values) / len(values)

print(missing_rate([1, None, 3, None]))

같은 집계 기간과 필터 조건으로 이전 구간과 최근 구간을 비교하고 변화가 시작된 시점을 확인한다.

놓치기 쉬운 조건

계절성이나 수집량 변화가 지표를 움직일 수 있다. 정답이 늦게 도착하는 문제에서는 입력 변화와 실제 품질의 확인 시점도 다르다.

확인할 부분	살펴볼 내용
기준 동작	같은 집계 기간과 필터 조건으로 이전 구간과 최근 구간을 비교하고 변화가 시작된 시점을 확인한다.
비교 조건	입력과 실행 순서를 고정하고 한 번에 한 조건만 바꾼다.
적용 범위	예제가 생략한 의존성과 실제 서비스의 제약을 구분한다.

다음 변경에 적용할 순서

1. 문제가 드러나는 입력과 순서를 먼저 고정한다.
2. 의존성이나 옵션을 하나씩 제거하고 같은 결과가 남는지 확인한다.
3. 원인을 설명하는 가장 작은 차이를 회귀 확인 항목으로 남긴다.

재현 예제의 목적은 짧은 코드를 자랑하는 데 있지 않다. 설명에 필요한 조건을 남기는 것이 목적이다. 실제 경로로 돌아왔을 때도 같은 원인과 해결책이 성립하는지 마지막으로 확인해야 재현 과정이 유용한 기록이 된다.