[딥러닝]Robust의 의미

1. Robust의 의미

흔히 통계학이나 Mahcine Learning, Deep Learning 공부를 하다보면 Robust 라는 단어를 자주 접하게 된다. Robust의 사전적 의미는 견고한, 굳건한, 강직한 이다. 그리고 공부를 하다 접하게 되는 문장은 다음과 같다.

• ‘Data가 Robust하다’
• ‘Robust한 방법으로 추론하였다’

Robust의 의미 in DataScience

Data를 바라보는 관점에서 Robust하다는 것은 결국 “극단값에 예민하지 않은, 민감하지 않은”으로 해석할 수 있다.

예를 들어 어떤 데이터들이 각각 7,9,10,11,13 이라고 하자. 이 다섯 개의 값의 평균은 \(\frac{7+9+10+11+13}{5}\) 이므로 10이 된다. 이 경우에 각각의 데이터들이 평균에서 멀리 안 떨어지고 가깝게 분포되어 있는 것을 볼 수 있다.

import numpy as np
import matplotlib.pyplot as plt

## Data Fitting

Data = np.array([7,9,13,11,10])
DataIndex = np.array([1,2,3,4,5])

Data_Coupled_Index_with_Data = np.column_stack([DataIndex,Data]) #(1,7), (2,9), (3,13), (4,11), (5,10)
Mean = np.mean(Data)

f1 = plt.figure()
ax1 = plt.axes()
ax1.plot(DataIndex, Data, 'ro')


## Line of Mean

Mline_X = np.linspace(1,5,100)
Mline_Y = np.ones([100,1])*Mean
ax1.plot(Mline_X,Mline_Y,'g')

만약 이 상황에서 하나의 데이터가 잘못 Mapping되어 7,9,13,100,10이 되었다고 가정하자. 그러면

## Data Fitting

Data = np.array([7,9,13,500,10])
DataIndex = np.array([1,2,3,4,5])

Data_Coupled_Index_with_Data = np.column_stack([DataIndex,Data]) #(1,7), (2,9), (3,13), (4,500), (5,10)
Mean = np.mean(Data)

f1 = plt.figure()
ax1 = plt.axes()
ax1.plot(DataIndex, Data, 'ro')


## Line of Mean

Mline_X = np.linspace(1,5,100)
Mline_Y = np.ones([100,1])*Mean
ax1.plot(Mline_X,Mline_Y,'g')

위의 Plot 처럼 바뀌게된다. 평균이 10에서 107.8로 바뀌고 Outlier에 의해 모든 데이터들이 평균과 많이 차이가나게 되는 것을 볼 수 있다. 따라서 이 상태로 데이터들의 평균은 107.8입니다 라고하면 부적절해 보인다.

이상값(Ideal Value)

이상값이란 “다른 값에 비해 지나치게 크거나 작은값”을 말한다. 위의 두 번째 경우 이상값을 평균값으로 하기엔 부적합하다. 이 경우 이상값으로 중앙값을 사용하는 것이 좀 더 데이터의 특성을 잘 반영한다.(중앙값은 10이다.)

2. 결론

결론적으로 Robust하다는 것의 의미는 이상값에 더 적은 영향을 주는 값을 말한다.

• Robust = 이상값들에 Insensitive한, Less sensitive한 것을 의미한다.

DeepLearning 카테고리 내 다른 글 보러가기