소량 데이터에서 다중 의사결정 모델 학습을 위한 진화 기반 접근법

본 논문은 검증된 사례가 극히 적은 언더리프레젠티드 데이터 환경에서 다중 의사결정 모델(DM)을 효과적으로 학습시키기 위한 진화 기반 방법론을 제시한다. 서론에서는 다중 DM이 일반화 능력을 향상시키고, 모델 간 일관성을 통해 의사결정 신뢰도를 평가할 수 있음을 강조한다. 특히 의료 진단처럼 데이터 수집이 어려운 분야에서 소량의 신뢰할 수 있는 사례만으로도 모델을 구축해야 하는 현실적 문제를 제기한다. 방법론 섹션에서는 먼저 논리 함수 기반의 모델 분해 이론을 소개한다. 모든 m‑변수 함수 f(x₁,…,x_m)는 두 변수 논리 함수 gₖ(u₁,u₂) (k=1…10)의 조합으로 표현될 수 있다는 정리를 이용해, 복잡한 함수도 단순한 논리 블록으로 재구성한다. 표 1에 제시된 10개의 2‑입력 논리 연산(OR, AND, NOT 등)은 모델의 기본 빌딩 블록으로 사용된다. 속성은 명목형은 직접 이진화하고, 수치형은 임계값 Q를 통해 이진화한다. 여기서 Q는 엔트로피 최소화를 목표로 하는 탐색 과정에서 무작위로 샘플링된 값들 중 최적값 Q*와 논리 연산 M*를 동시에 찾는다. 엔트로피 H는 클래스 확률 Pᵢ를 이용해 계산되며, 조건부 엔트로피 H(A,S|Q,Mₖ)가 최소가 되는 조합을 선택한다. 진화적 학습은 후보 모델을 생성하고, 모델 단위(처리 유닛)를 하나씩 추가하면서 성능이 향상될 때까지 반복한다. 각 후보 모델은 현재 DM의 입력으로 기존 모델 출력 또는 원시 속성을 연결한다. 모델 선택 기준은 단순 훈련 오류가 아니라 leave‑one‑out 교차검증을 통한 평균 오류 μ이다. 후보 모델 M이 기존 두 모델 M₁, M₂보다 μ가 작을 경우에만 채택한다(μ < min(μ₁, μ₂)). 이 규칙은 과적합 모델의 유입을 억제하고, 구조가 다름에도 동일한 출력을 내는 ‘tautology’ 모델을 자동으로 배제한다. 학습 종료 조건은 (1) 목표 오류 수준 달성, (2) 연속적인 성능 향상이 일정 횟수 이상 실패, (3) 사전에 정의된 복잡도 상한 초과이다. 복잡도는 모델 단위 수(예: 7, 10, 20)로 제한되며, 이는 과도한 모델 성장에 따른 과적합 위험을 사전에 차단한다. 앙상블 구성에서는 학습된 다수의 DM을 다중 투표 방식으로 결합한다. 각 클래스에 대한 투표 비율 χ = m_i / m을 신뢰도 지표로 사용하며, χ가 0.5에 가까울수록 불확실, 1에 가까울수록 일관된 판단을 의미한다. 이는 임상 현장에서 의사가 모델의 판단에 대한 신뢰도를 직관적으로 파악할 수 있게 해준다. 실험은 네 개의 실제 데이터셋을 대상으로 수행되었다. 첫 번째는 18건의 감염성 심내막염(IE)과 전신성 홍반성 루푸스(SRL) 사례(총 36건)로, 24개의 임상·실험실 검사(명목형 17개, 수치형 7개)를 포함한다. 두 번째는 영국 외상 데이터(16변수), 세 번째는 UCI SPECT 심장 데이터(22명목형 변수), 네 번째는 UCI WPBC 유방암 데이터(33수치형 변수)이다. 각 데이터셋에서 5,000개의 모델을 최대 생성하고, 복잡도 제한을 7, 10, 20 단위로 달리 적용했다. 비교 대상으로는 5,000개의 인공신경망(ANN) 앙상블을 사용했으며, 각 ANN은 10개의 은닉 뉴런을 갖고 leave‑one‑out 검증으로 과적합을 억제하도록 설계되었다. 실험 결과는 표 2에 요약된다. EDM은 모든 데이터셋에서 ANN 앙상블보다 평균 정확도가 3~7%p 상승했으며, 특히 IE와 SRL 구분에서는 2% 미만의 오진율을 기록했다. 또한 EDM은 모델을 규칙 형태(if‑then)로 추출할 수 있어, 임상의가 직접 활용 가능한 진단 테이블을 제공한다. 예시로 제시된 IE/SRL 구분 규칙은 9개의 DM 중 하나로, 8개의 속성(예: 백혈구 수, 면역복합체 농도, 관절증후군 유무 등)을 이용해 IE를 판정한다. 속성 중요도 순위 분석에서는 x₈(관절증후군)과 x₁₄(심장 잡음)가 가장 큰 기여를 했으며, 덜 중요한 속성은 모델에서 제외해도 성능 저하가 미미함을 확인했다. 연산 시간 측면에서 평균 10분 내외의 계산량으로 5,000개의 DM 앙상블을 구축할 수 있었으며, 이는 현대 일반 PC 사양에서도 충분히 실행 가능한 수준이다. 결론에서는 제안된 진화 기반 접근법이 언더리프레젠티드 데이터 상황에서도 높은 정확도와 해석 가능성을 동시에 제공한다는 점을 강조한다. 모델 복잡도 제한과 leave‑one‑out 검증을 결합함으로써 과적합을 효과적으로 억제했으며, 규칙 기반 모델은 실제 임상 의사결정에 바로 적용 가능하다. 향후 연구에서는 더 다양한 도메인에 적용하고, 자동화된 속성 선택 및 하이퍼파라미터 최적화 기법을 추가함으로써 성능을 더욱 향상시킬 계획이다.