[데이터 불균형 실험노트] SMOTE vs SMOTENC vs Class Weight, 최종 승자는 누구일까?

앞선 글에서 우리는 불균형 데이터를 다루는 세 가지 방법을 살펴보았다.

• SMOTE: 소수 클래스 데이터를 합성하여 분포를 균형 있게 맞추는 방법
• SMOTENC: 범주형 변수까지 고려할 수 있는 확장 기법
• Class Weight: 데이터는 그대로 두고 모델의 손실 함수에 가중치를 주는 방법

이번 글에서는 이 세 가지 기법을 실험 결과와 함께 종합적으로 비교하고,
실무에서 어떤 기준으로 선택하면 좋을지 가이드를 정리하고자 한다.

---

📊 실험 결과 종합 비교

모델	기법	F1-macro	PR-AUC	해석
XGBoost	baseline	0.46	0.4616	기준 성능
XGBoost	+ SMOTE	0.39	0.4050	합성 데이터 효과 미미, 성능 하락 발생
XGBoost	+ SMOTENC	0.33	0.3998	범주형 변수 고려했으나 성능 크게 하락
XGBoost	+ class_weight	0.42	0.4567	baseline 대비 근소한 하락, 성능 개선 효과 제한적

 

그림: XGBoost 실험 결과 (F1-macro / PR-AUC 비교)

 

위 그래프는 XGBoost 모델을 기준으로 각 기법 적용 전후의 성능을 비교한 결과이다.  
왼쪽은 F1-macro, 오른쪽은 PR-AUC 지표를 나타낸다.  

- baseline이 가장 안정적인 성능을 보였다.  
- SMOTE와 SMOTENC는 두 지표 모두에서 성능이 하락하였다.  
- class_weight는 baseline보다는 낮았지만, SMOTE/SMOTENC보다는 상대적으로 나은 결과를 보였다.  

---

🔍 기법별 특징 정리

기법	장점	단점	적합한 상황
SMOTE	소수 클래스 데이터 확장, 단순/직관	합성 데이터 과적합 위험, 계산량 증가	수치형 데이터에서 시도해볼 만하다
SMOTENC	범주형 변수까지 고려 가능	성능 보장 어려움, 데이터 특성 민감	범주형+수치형 혼합 데이터
Class Weight	적용이 간단, 데이터 손실 없음	성능 개선 제한적, 극단적 불균형에 취약	baseline 비교용, 빠른 실험

---

🚀 실무에서의 가이드

• 범주형 변수가 중요할 때 → SMOTENC 고려 (단, 성능 변화는 주의)
• 빠르게 baseline을 확인하고 싶을 때 → Class Weight 활용
• 중요 사건을 놓치면 안 되는 문제(예: 보안, 의료) → 샘플링 + 모델 가중치 조합, Ensemble 기법 추가 검토

---

✅ 마무리

이번 시리즈에서는 불균형 데이터 문제를 다루는 여러 기법을 실험하고 정리하였다.
실험 결과, 어떤 기법도 무조건적인 성능 향상을 보장하지 않는다는 점을 확인하였다.
불균형 데이터는 데이터 특성, 모델 특성, 문제의 맥락에 따라 접근법을 달리해야 한다.

👉 결국 중요한 것은, 여러 기법을 실험하고 상황에 맞는 최적의 전략을 선택하는 것이다.