한 모델이 SageMaker 내장 linear-learner를 사용하여 특정 잡초의 존재 여부를 예측하며, predictor_type은 multiclass_classifier로 설정되어 있습니다. 팀은 오탐(false positive)을 최소화하고자 합니다. 어떤 하이퍼파라미터 변경을 해야 할까요?

오탐(false positive)을 최소화하려면 모델이 양성으로 잘못 예측하는 경우를 줄여야 합니다. SageMaker linear-learner의 targetprecision 하이퍼파라미터는 모델이 높은 정밀도(precision)를 달성하도록 유도합니다. 정밀도는 실제 양성 중 모델이 양성으로 올바르게 예측한 비율을 의미하므로, 이 값을 높이면 오탐이 줄어듭니다. weightdecay를 0으로 설정하면 과적합 위험이 커져 오탐이 증가할 수 있습니다. 훈련 epoch 수를 늘리는 것은 모델 성능을 향상시킬 수 있지만, 오탐 최소화에 직접적인 영향을 주지 않으며 과적합을 유발할 수도 있습니다. predictortype을 regressor로 변경하면 회귀 모델이 되어 분류 문제에 적합하지 않습니다.