๊ฐ์ ์ํ์ ์น๋ฅด๋ ๋ ํ์์ ๋ ์ฌ๋ ค ๋ณด์ธ์. ์ฒซ ๋ฒ์งธ ํ์์ ํ ๊ณผ๋ชฉ๋ง 3์ฃผ ๋์ ๊ณต๋ถํฉ๋๋ค. ๋ ๋ฒ์งธ ํ์์ ์ด๋ฏธ ์๋ฐฑ๋ง ๊ฐ์ ๋ค์ํ ์ํ์ ํ์ด ๋ดค๊ณ , ์ํ ๋น์ผ์๋ ํ์ด ์์ ๊ฐ ์ ํ ํ ์ฅ์ง๋ฆฌ ์๋ฃ๋ง ๋ฐ์ต๋๋ค.
๋จธ์ ๋ฌ๋ ์ ๋๋ถ๋ถ ์ญ์ฌ์์, ํํ ๋ชจ๋ธ์ ์ฒซ ๋ฒ์งธ ํ์์ ๊ฐ๊น์ ์ต๋๋ค. ์ ๋ฐ์ดํฐ์
์ด ๋์ฌ ๋๋ง๋ค ์ปฌ๋ผ์ ์ ๋ฆฌํ๊ณ , ํน์ง์ ์์ง๋์ด๋งํ๊ณ , XGBoost ๋ LightGBM์ ํ์ต์ํค๊ณ , ํ์ดํผํ๋ผ๋ฏธํฐ๋ฅผ ๋ช ์๊ฐ์ฉ ํ๋ํด์ผ ํ์ต๋๋ค.
ํ์ง๋ง ํํ ๊ธฐ๋ฐ ๋ชจ๋ธ ์ ๋ ๋ฒ์งธ ํ์์
๋๋ค. ๋ผ๋ฒจ์ด ๋ถ์ ํ์ ์์ ๋ก ๊ฑด๋ค์ฃผ๋ฉด, ํ์ต ์์ด ๋๋จธ์ง๋ฅผ ์์ธกํฉ๋๋ค.
2026๋
, ์ด ์์ด๋์ด๋ ์ฐ๊ตฌ ๋
ผ๋ฌธ์ ๋์ด ์ค์ ์ ํ์ผ๋ก ์ด์ด์ก์ต๋๋ค. SAP๊ฐ Prior Labs์ 10์ต ์ ๋ก ์ด์์ ํฌ์
ํ๊ฒ ๋ค๊ณ ๋ฐํํ๊ณ , Google๋ ์์ฒด ๋ชจ๋ธ์ ๊ณต๊ฐํ์ต๋๋ค. ์ด ๊ธ์์๋ ๋ค์์ ์ดํด๋ณด๊ฒ ์ต๋๋ค.
ํํ ๊ธฐ๋ฐ ๋ชจ๋ธ์ด ๋ฌด์์ธ์ง
๋ฅ๋ฌ๋์ด ํํ ๋ฐ์ดํฐ๋ฅผ ์ด๋ ค์ํ ์ด์
์ด ๋ชจ๋ธ๋ค์ด ์ค์ ๋ก ์์ธก์ ๋ง๋๋ ๋ฐฉ์
2026๋
์ ํต์ฌ ๋ชจ๋ธ
Python์์ ์ง์ ์จ ๋ณด๋ ๋ฐฉ๋ฒ
์ธ์ ์ฐ๋ฉด ์ข์์ง, ์ธ์ ํผํด์ผ ํ๋์ง
๋ฅ๋ฌ๋ ๊ฒฝํ์ด ๋ง์ง ์์๋ ๊ฑฑ์ ํ์ง ๋ง์ธ์. ์ด ๊ธ์ ์ฝ๋๋ ์น์ํ scikit-learn ์ธํฐํ์ด์ค๋ฅผ ์ฌ์ฉํฉ๋๋ค. ๋จผ์ ๋ณต์ต์ด ํ์ํ๋ค๋ฉด, 20๋ถ ๋ง์ ์ดํดํ๋ 8๊ฐ์ง ๋จธ์ ๋ฌ๋ ๋ชจ๋ธ ์์ ๊ธฐ๋ณธ์ ๋ค๋ฃฌ ๋ด์ฉ์ ํ์ธํ์ธ์.
ํํ ๊ธฐ๋ฐ ๋ชจ๋ธ ํ๋์ ๋ณด๊ธฐ
TabPFN, TabICLv2, Google์ TabFM ๊ฐ์ ํํ ๊ธฐ๋ฐ ๋ชจ๋ธ์ ์๋ฐฑ๋ง ๊ฐ์ ํฉ์ฑ ํ๋ฅผ ์ฌ์ ํ์ตํ ์ ๊ฒฝ๋ง์ผ๋ก, ๋ณ๋ ํ์ต์ด๋ ํ๋ ์์ด๋ ๋ฐ์ดํฐ์์ ์์ธกํ ์ ์์ต๋๋ค.
๋ฌด์์ ๋ถํ ์ ์๊ท๋ชจ~์ค๊ฐ ๊ท๋ชจ ๋ฐ์ดํฐ์
(๋๋ต 300~100,000ํ)์์๋, ์ด์ ํ๋ํ XGBoost, CatBoost, LightGBM์ ๋๋ถ๋ถ์ ๋ฒค์น๋งํฌ์์ ์์ญ๋๋ค.
์๊ฐ ์์ํ, ๊ทธ๋ฃนํ๋ ๋ฐ์ดํฐ, ๋งค์ฐ ํฐ ๋ฐ์ดํฐ์
์์๋ ๊ทธ๋๋์ธํธ ๋ถ์คํ
ํธ๋ฆฌ๊ฐ ์ฌ์ ํ ์ฐ์ธํ๋ฉฐ, ๋น ๋ฅธ CPU ์์ธก์ด๋ ์ฌ์ด ์ค๋ช
๊ฐ๋ฅ์ฑ์ด ํ์ํ ๋๋ ํธ๋ฆฌ๊ฐ ์ ๋ฆฌํฉ๋๋ค.
TabICLv2๊ฐ ์์์ ์ผ๋ก ๊ฐ์ฅ ์ข์ต๋๋ค. ์คํ ์์ค์ด๊ณ ์์
์ ์ฌ์ฉ์ด ๊ฐ๋ฅํ๋ฉฐ, pip install tabicl๋ก ์ค์นํฉ๋๋ค.
ํํ ๊ธฐ๋ฐ ๋ชจ๋ธ์ด๋?
ํํ ๊ธฐ๋ฐ ๋ชจ๋ธ์ ์๋ฐฑ๋ง ๊ฐ์ ํฉ์ฑ ํํ ๋ฐ์ดํฐ์
์ผ๋ก ์ฌ์ ํ์ตํด, ๋ชฉํ ์ด์ ์์ธกํ๋ ์ผ๋ฐ ์ ๋ต์ ์ตํ ์ ๊ฒฝ๋ง์
๋๋ค. ์ดํ ์ธ์ปจํ
์คํธ ๋ฌ๋ ์ ํตํด ๊ฐ ๋ฐ์ดํฐ์
๋ณ ์ถ๊ฐ ํ์ต ์์ด ๊ทธ ์ ๋ต์ ์๋ก์ด ํ์ ์ ์ฉํฉ๋๋ค.
์ฌ๊ธฐ์ ํฐ ๋ณํ๋ ํ์ต์ด ์ธ์ ์ผ์ด๋๋๊ฐ์
๋๋ค.
XGBoost์์๋ ์ ๋ชจ๋ธ์ ํ์ตํ ๋๋ง๋ค ๋งค๋ฒ ์ฌ๋ฌ๋ถ์ ๋ฐ์ดํฐ์์ ํ์ต์ด ์ผ์ด๋ฉ๋๋ค. ํํ ๊ธฐ๋ฐ ๋ชจ๋ธ ์์๋ ํ์ต์ด ์๊ฐ์ ์ ์ฌ์ ํ์ต ๋จ๊ณ์์ ์ด๋ฏธ ๋๋ฌ๊ณ , ์ฌ๋ฌ๋ถ์ ๋ฐ์ดํฐ๋ ๋จ์ง ์
๋ ฅ์ผ ๋ฟ์
๋๋ค. ์์ฃผ ๋ณด๊ฒ ๋ ์ฉ์ด๋ฅผ ๋ช ๊ฐ์ง ํ์ดํ ๋ง๋ก ์ค๋ช
ํ๋ฉด ๋ค์๊ณผ ๊ฐ์ต๋๋ค.
์ธ์ปจํ
์คํธ ๋ฌ๋(ICL) : ๋ชจ๋ธ์ด ๋ผ๋ฒจ์ด ๋ถ์ ํ์ ์์ ๋ก ๋ณด๊ณ , ์์ ์ ๊ฐ์ค์น๋ฅผ ๋ฐ๊พธ์ง ์์ ์ฑ ์ ํ์ ์์ธกํฉ๋๋ค.
์ฌ์ ์ ํฉ ๋คํธ์ํฌ(PFN) : ๋ค์ํ ๊ฐ์ง ๋ฐ์ดํฐ์
์ ๋๋์ผ๋ก ์์ฑํ๋ ๋ ์ํผ(์ฌ์ ๋ถํฌ)์์ ์ํ๋งํ ๋ฐ์ดํฐ๋ก ํ์ตํ ๋ชจ๋ธ์
๋๋ค.
ํฉ์ฑ ์ฌ์ ํ์ต : ์ค์ ํ ๋์ ๋ง๋ค์ด๋ธ ํ๋ก ํ์ตํ๋ ๊ฒ์ ๋ปํฉ๋๋ค.
์ ๋ก์ท ์์ธก : ์์ ํ ์๋ก์ด ๋ฐ์ดํฐ์
์ ๋ํด ํ์ต์ด๋ ๋ฏธ์ธ์กฐ์ ์์ด ๋ฐ๋ก ์์ธกํฉ๋๋ค.
์ด์ ํํ ๊ธฐ๋ฐ ๋ชจ๋ธ์ ๋ถ์คํ
๊ธฐ๋ฒ๊ณผ ์๋ํ๋ ๋จธ์ ๋ฌ๋(AutoML) ๊ณผ ๋น๊ตํด ๋ณด๊ฒ ์ต๋๋ค.
ย ํํ ๊ธฐ๋ฐ ๋ชจ๋ธ ๊ทธ๋๋์ธํธ ๋ถ์คํ
ํธ๋ฆฌ(XGBoost, LightGBM) AutoML (AutoGluon, H2O AutoML) ์ ๋ฐ์ดํฐ์์ ํ์ต ์๊ฐ ์์ ์์ด~์๋ถ + ํ๋ ์๋ถ~์์๊ฐ ํด์ ๊ฐ๋ฅ์ฑ ์ ํ์ (SHAP ๊ฐ๋ฅํ๋ ๋๋ฆผ) ์ฐ์(ํผ์ฒ ์ค์๋, ๋น ๋ฅธ SHAP) ์ฒ์ฐจ๋ง๋ณ, ์ข
์ข
์ดํด ์ด๋ ค์ด ์์๋ธ ๊ถ์ฅ ๋ฐ์ดํฐ์
ํฌ๊ธฐ ์๋ฐฑ ~ ์ฝ 10๋ง ํ ์์ฒ ~ ์์ฒ๋ง ํ ์์ฒ ~ ์๋ฐฑ๋ง ํ GPU ํ์ ์ฌ๋ถ ์์ฒ ํ์ ๋๊ธฐ๋ฉด ๊ถ์ฅ ์๋์ค ๋๊ฐ ์๋ ์๊ณ ๋ฌด์์ ๋ถํ ๋ ๋ฐ์ดํฐ์
ํ์ฌ ๋ฒค์น๋งํฌ์์ ์ต์ ํ๋ ์ ๊ฐ๋ ฅ ๊ฐ๋ ฅํ๋ ๋๋ฆผ
๋ณธ๊ฒฉ์ ์ผ๋ก ์๋ฆฌ๋ฅผ ๋ณด๊ธฐ ์ ์, ๊ฐ์ฅ ์ ๋ช
ํ๊ณ ๋๋ฆฌ ์ฐ์ด๋ ๋ชจ๋ธ์ธ ๋๊ท๋ชจ ์ธ์ด ๋ชจ๋ธ๊ณผ ๊ฐ๋จํ ๋น๊ตํด ๋ณด๊ฒ ์ต๋๋ค.
ํํ ๊ธฐ๋ฐ ๋ชจ๋ธ vs. ๋๊ท๋ชจ ์ธ์ด ๋ชจ๋ธ
๋๊ท๋ชจ ์ธ์ด ๋ชจ๋ธ(LLM) ๊ณผ ํํ ๊ธฐ๋ฐ ๋ชจ๋ธ์ ๋ชจ๋ ํธ๋์คํฌ๋จธ ๋ฅผ ์ฌ์ฉํ๊ณ , ์
๋ ฅ์ ํฌํจ๋ ์์ ๋ก๋ถํฐ ํ์ตํฉ๋๋ค.
์ฐจ์ด๋ ๋ฌด์์ ์ฝ๋๋ก ์ค๊ณ๋๋๋์
๋๋ค. LLM์ ํ๋ฅผ ๊ธด ํ
์คํธ ๋ฌธ์์ด๋ก ์ฝ๊ธฐ ๋๋ฌธ์, ์ผํ์ ๊ณต๋ฐฑ์ ๋จ์๋ก ์ด๋ค ์ซ์๊ฐ ๊ฐ์ ์ปฌ๋ผ์ ์ํ๋์ง ์ค์ค๋ก ํ์
ํด์ผ ํฉ๋๋ค.
์๋ฏธ์ ๋ฌธ์ ๋ ์์ต๋๋ค.
๊ฐ 42๋ ๋๊ตฐ๊ฐ์ ๋์ด์ผ ์๋ ์๊ณ ๋งค์ถ์ผ ์๋ ์์ง๋ง, ์ซ์ ์์ฒด๋ง์ผ๋ก๋ ๊ตฌ๋ถํ ์ ์์ต๋๋ค. ํํ ๊ธฐ๋ฐ ๋ชจ๋ธ์ ๊ฐ ์ปฌ๋ผ์ ๋
๋ฆฝ ๋ณ์๋ก, ๊ฐ ํ์ ํ๋์ ์์ ๋ก ๋ค๋ฃจ๋๋ก ํ์ต๋๋ฏ๋ก ์ปฌ๋ผ ๊ฐ ๊ด๊ณ์ ์ง์คํฉ๋๋ค.
์ด๋ ๊ฒ ์๊ฐํ๋ฉด ์ดํด๊ฐ ์ฝ์ต๋๋ค. LLM์ ๋ฐ์ดํฐ์ ๋ํด ๋งํ๋ ๋ฐ ๋ฐ์ด๋๊ณ , ํํ ๊ธฐ๋ฐ ๋ชจ๋ธ์ ๊ทธ ๋ฐ์ดํฐ๋ก ๊ณ์ฐํ๋ ๋ฐ ํนํ๋์ด ์์ต๋๋ค.
๋ ๋ชจ๋ธ์ ํจ๊ป ์ฌ์ฉํ ์๋ ์์ต๋๋ค. ์ค์ ๋ก H2O.ai๋ tabH2O ๋ชจ๋ธ์ ์ ํํ ๊ทธ๋ ๊ฒ ํฌ์ง์
๋ํฉ๋๋ค. ์คํ๋ ๋์ํธ์์ ์ซ์๊ฐ ํ์ํ ๋ AI ์์ด์ ํธ๊ฐ ํธ์ถํ๋ ์์ธก ๋๊ตฌ๋ก์.
๋ฅ๋ฌ๋์ ํํ ๋ฐ์ดํฐ๊ฐ ์ด๋ ต๋ ์ด์
ํํ ๋ฐ์ดํฐ๊ฐ ๋ฅ๋ฌ๋์ ์ด๋ ค์ ๋ ์ด์ ๋, ํ์๋ ์ ๊ฒฝ๋ง์ด ํ ๋ฒ ๋ฐฐ์ฐ๊ณ ์ฌ์ฌ์ฉํ ์ ์๋ ๊ณตํต ๊ตฌ์กฐ๊ฐ ์๊ธฐ ๋๋ฌธ์
๋๋ค. ์ฌ์ง์ ํฝ์
์ ์ด๋ค ์ฌ์ง์์๋ ํฝ์
์
๋๋ค. ํ์ง๋ง ๊ธ์ต ๋ฐ์ดํฐ์ score ์ปฌ๋ผ๊ณผ ์ถ๊ตฌ ๋ฐ์ดํฐ์ score ์ปฌ๋ผ์ ์ด๋ฆ๋ง ๊ฐ์ ๋ฟ ๊ณตํต์ ์ด ์์ต๋๋ค.
Lรฉo Grinsztajn, Edouard Oyallon, Gaรซl Varoquaux์ ์ ๋ช
ํ 2022๋
๋
ผ๋ฌธ Why do tree-based models still outperform deep learning on tabular data? ๋ 45๊ฐ ๋ฐ์ดํฐ์
์์ ์ด๋ฅผ ๊ฒ์ฆํ๊ณ , ํนํ ๊ทธ๋๋์ธํธ ๋ถ์คํ
๊ฐ์ ํธ๋ฆฌ ๊ธฐ๋ฐ ๋ชจ๋ธ์ด ์ฝ 1๋ง ํ ๊ท๋ชจ์ ์ค๊ฐ ํฌ๊ธฐ ํ์์ ๋ฅ๋ฌ๋์ ์ฌ์ ํ ์์ ๋ค๊ณ ๋ณด๊ณ ํ์ต๋๋ค. ๊ทธ ์ด์ ๋ก๋ ๋ค์์ ๊ผฝ์์ต๋๋ค.
๊ธ๊ฒฉํ ๊ณ๋จ : ์ค์ ํจํด์ ๊ฐ์์ค๋ฌ์ด ๋จ๊ณ ๋ณํ(์: ์ธ์จ ๊ตฌ๊ฐ)๋ฅผ ์์ฃผ ๋ณด์
๋๋ค. ํธ๋ฆฌ๋ ์ด๋ฅผ ์ฝ๊ฒ ์ฒ๋ฆฌํ์ง๋ง, ์ ๊ฒฝ๋ง์ ๋งค๋ํ ํจ์์ ํธํฅ๋๋ ๊ฒฝํฅ์ด ์์ต๋๋ค.
์ธ๋ชจ์๋ ์ปฌ๋ผ : ํ์๋ ์๋ฏธ ์๋ ์ปฌ๋ผ์ด ํํฉ๋๋ค. ํธ๋ฆฌ๋ ์ด๋ฅผ ๋ฌด์ํ์ง๋ง, ์ ๊ฒฝ๋ง์๋ ๋์ ๋๋ ์
์ํฅ์ ์ค๋๋ค.
์ปฌ๋ผ์ ๊ฐ๋ณ์ ์๋ฏธ : ๊ฐ ์ปฌ๋ผ์ ์์ฒด ๋ณ์ฉ๋๋ค. ํ์ค ์ ๊ฒฝ๋ง์ ์ปฌ๋ผ์ ์์ด ์๋ฏธ๋ฅผ ์๊ธฐ ์ฝ์ต๋๋ค.
์ค๋ฌด์ ์ธ ๋ฌธ์ ๋ ๋ ๊ฐ์ง๊ฐ ๋ ์์ต๋๋ค. ํ๋์ ํ์ ์ซ์, ๋ฒ์ฃผ, ์์, ๊ฒฐ์ธก๊ฐ์ด ๋ค์์ฌ ์์ ์ ์๊ณ , ๋๋ถ๋ถ์ ๋น์ฆ๋์ค ํ๋ ์๋ฐฑ ๋๋ ์์ฒ ํ์ ๋ถ๊ณผํด, ์ฒ์๋ถํฐ ์ ๊ฒฝ๋ง์ ํ์ต์ํค๊ธฐ์๋ ๋๋ฌด ์์ต๋๋ค.
๊ฐ์ฅ ์ค์ํ ๋ฌธ์ ๋ ์์ ๋ฐ์ดํฐ์
์ด๋ผ๊ณ ์๊ฐํฉ๋๋ค. 800ํ์ผ๋ก ์ฒ์๋ถํฐ ํ์ตํ ์ ๊ฒฝ๋ง์ ๊ธฐ๋ํ ๋ฐํ์ง์์ด ์์ง๋ง, ํธ๋ฆฌ๋ ์ ํ ์ง์ ์์ด๋ ๋์ํฉ๋๋ค.
์ฌ์ ํ์ต์ ์ ํํ ์ด ์ ์ ํด๊ฒฐํ์ต๋๋ค. ํํ ๊ธฐ๋ฐ ๋ชจ๋ธ์ ์ฌ๋ฌ๋ถ์ ํ๋ฅผ ๋ณด๊ธฐ ์ ์ ์ด๋ฏธ ์๋ฐฑ๋ง ๊ฐ์ ์๊ณ ์ง์ ๋ถํ ๊ฐ์ง ํ๋ก ์ฐ์ต์ ๋ง์ณค๊ธฐ ๋๋ฌธ์, ๋ฐฑ์ง ์ํ์์ ์์ํ์ง ์์ต๋๋ค.
ํํ ๊ธฐ๋ฐ ๋ชจ๋ธ์ ์ด๋ป๊ฒ ๋์ํ๋?
ํํ ๊ธฐ๋ฐ ๋ชจ๋ธ์ ๋ผ๋ฒจ์ด ์๋ ํ์ต ํ๊ณผ ๋ผ๋ฒจ์ด ์๋ ํ
์คํธ ํ์ ํ๋์ ์
๋ ฅ์ผ๋ก ํจ๊ป ๋ฐ์, ํ ๋ฒ์ ์์ ํ๋ก ๋๋ฝ๋ ๋ผ๋ฒจ์ ์์ธกํฉ๋๋ค. ๊ฐ์ค์น๋ ๋ฐ๋์ง ์์ต๋๋ค. ํ๋กฌํํธ์ ๋ช ๊ฐ ์์๋ฅผ ์ฃผ๋ฉด ๋ต์ ๋ด๋ LLM๊ณผ ๊ฐ์ต๋๋ค.
์ด๋ก ์ธํด ์ต์ํ scikit-learn ๋ฉ์๋์ ์๋ฏธ๋ ๋ฌ๋ผ์ง๋๋ค.
TabICL์์ .fit()์ ํธ์ถํ๋ฉด, TabICL ๋ฌธ์ ์ ๋ฐ๋ฅด๋ฉด ์ฌ์ ํ์ต ์ฒดํฌํฌ์ธํธ๋ฅผ ๋ถ๋ฌ์ค๊ณ , ๋ฐ์ดํฐ๋ฅผ ์ ์ฒ๋ฆฌํด ์ ์ฅํฉ๋๋ค. ์ค์ ์์
์ .predict() ์ค์ ์ผ์ด๋ฉ๋๋ค.
.fit()์ด๋ผ๋ ์ด๋ฆ์ ์ ์งํ๋ ์ด์ ๋ ๊ธฐ์กด scikit-learn ์ฝ๋์ ๊ทธ๋๋ก ๋ผ์ ๋ฃ๊ธฐ ์ํด์์
๋๋ค.
๊ทธ๋ฆผ 1: TabPFN์ ์๋ฐฑ๋ง ๊ฐ์ ํฉ์ฑ ๋ฐ์ดํฐ์
์ผ๋ก ์ฌ์ ํ์ตํ ๋ค, ์ค์ ํ๋ฅผ ํ ๋ฒ์ ์์ ํ๋ก ์์ธกํฉ๋๋ค. ์๋ ํจ๋์ ํน์ง๊ณผ ์ํ์ ๊ต์ฐจ๋ก ์ฃผ์๋ฅผ ๊ธฐ์ธ์ด๋ ๋ฐฉ์์ ๋ณด์ฌ์ค๋๋ค. ์ถ์ฒ: Hollmann ์ธ, โAccurate predictions on small data with a tabular foundation modelโ, Nature (2025) .
ํฉ์ฑ ์ฌ์ ํ์ต
ํฉ์ฑ ์ฌ์ ํ์ต์ ์ค์ ํ ๋์ , ์์ฑ ๋ชจ๋ธ ์ฒ๋ผ ๋์ํ๋ ๋ฐ์ดํฐ ์์ฑ๊ธฐ๋ก ๋ง๋ ๊ฐ์ง ํ๋ก ๋ชจ๋ธ์ ํ์ต์ํค๋ ๊ฒ์
๋๋ค.
๋นํ ์๋ฎฌ๋ ์ดํฐ์์ ํ๋ จํ๋ ์กฐ์ข
์ฌ๋ฅผ ๋ ์ฌ๋ ค ๋ณด์ธ์. ์กฐ์ข
์ฌ๋ ๋ ์จ, ๊ณตํญ, ๊ณ ์ฅ ์ํฉ์ด ์ ๊ฐ๊ฐ์ธ ์์ฒ ๋ฒ์ ๊ฐ์ง ๋นํ์ ์ฐ์ตํด, ์ฒซ ์ค์ ๋นํ์ด ๋ฏ์ค์ง ์๊ฒ ํฉ๋๋ค.
TabPFN๋ ๋น์ทํ๊ฒ ๋์ํฉ๋๋ค.
์ฐ๊ตฌ์ง์ ์ปฌ๋ผ ๊ฐ์ ๋ฌด์์ โ์์ธ๊ณผ ๊ฒฐ๊ณผโ ๊ท์น(์: A ์ปฌ๋ผ์ด B ์ปฌ๋ผ์ ์ํฅ์ ์ฃผ๊ณ , B๊ฐ ํ๊น์ ์ํฅ์ ์ฃผ๋ ์)์ ๋ง๋ค์ด ๋ด๋ ์์ฑ๊ธฐ๋ฅผ ์์ฑํ๊ณ , ๊ทธ ๊ท์น์ผ๋ก ํ์ ์์ฑํฉ๋๋ค.
์ฌ์ ํ์ต ๋์์๋ ํ๊น ์ปฌ๋ผ์ ์จ๊ธฐ๊ณ , ๋ชจ๋ธ์ด ์ด๋ฅผ ์์ธกํ๋๋ก ํ๋ฉฐ, ์ด ๊ณผ์ ์ ๊ท์น, ๋
ธ์ด์ฆ ์์ค, ํ ํฌ๊ธฐ๋ฅผ ๋ฐ๊ฟ ๊ฐ๋ฉฐ ์๋ฐฑ๋ง ๋ฒ ๋ฐ๋ณตํฉ๋๋ค.
์ค์ํ ์ ์, ๋ชจ๋ธ์ด ์ด๋ค ์ค์ ์ฃผ์ ์ ๋ํ ์ฌ์ค์ ๋ฐฐ์ฐ๋ ๊ฒ์ด ์๋๋ผ๋ ๊ฒ์
๋๋ค. ๋์ ์ด๋ค ์ปฌ๋ผ์ด ์ค์ํ์ง ํ์
ํ๊ณ , ์ด์์น๋ฅผ ๋ค๋ฃจ๊ณ , ํ์ ์ด ์์ง ์์ ๋๋ฅผ ์๋ ๋ฑ ์ผ๋ฐ ๊ธฐ์ ์ ์ตํ๋๋ค.
์ค์ ๋ก TabICLv2 ๋
ผ๋ฌธ ์ ์ฑ๋ฅ ํฅ์์ ํต์ฌ ์ด์ ๋ก ์๋ก์ด ํฉ์ฑ ๋ฐ์ดํฐ ์์ฑ๊ธฐ๋ฅผ ๊ผฝ์ต๋๋ค.
ํ๋ฅผ ์ฝ๋ ๋ ๊ฐ์ง ๋ฐฉ์
์ธ๋ถ ๊ตฌ์กฐ๋ฅผ ์ ๋ถ ์ดํดํ ํ์๋ ์์ง๋ง, ๋ ๊ฐ์ง ์ฃผ์ ์ค๊ณ๊ฐ ์๋ค๋ ์ ์ ์์๋๋ฉด ์ข์ต๋๋ค.
๋ชจ๋ ์
์ ๋ณธ๋ค(TabPFN) . 2025๋
Nature ์ ์ค๋ฆฐ TabPFN-2๋ ๋ชจ๋ ์
์ ์ถ์ ํ๊ณ , ํ๊ณผ ์ด ๋ชจ๋์์ ์
์ ๋น๊ตํฉ๋๋ค. ๋งค์ฐ ์ ๊ตํ์ง๋ง ํ๊ฐ ์ปค์ง์๋ก ๋น์ฉ์ด ์ปค์ ธ TabPFN-2๋ 10,000ํ, 500ํน์ง์ผ๋ก ์ ํ๋์์ต๋๋ค.
๊ฐ ํ์ ๋จผ์ ์์ฝํ๋ค(TabICL) . TabICL์ ๋จผ์ ๊ฐ ํ์ ํ๋์ ์์ถ ์์ฝ์ผ๋ก ์ถ์ํ๊ณ , ๊ฐ๋ณ ์
์ด ์๋๋ผ ๊ทธ ์์ฝ๋ค๋ก๋ถํฐ ํ์ตํฉ๋๋ค. ๋น๊ตํด์ผ ํ ๋์์ด ํจ์ฌ ์ ์ด, ํจ์ฌ ํฐ ํ๋ฅผ ์ฒ๋ฆฌํ ์ ์์ต๋๋ค.
๋ ๊ณ์ด ๋ชจ๋ ํฉ์ฑ ๋ฐ์ดํฐ๋ก ํ์ต๋๋ฏ๋ก, โ์ฌ์ ์ ํฉ ๋คํธ์ํฌโ๋ ๋ณ๋์ ๋ชจ๋ธ ์ ํ์ด ์๋๋ผ ํ์ต ๋ฐฉ์์ ์ค๋ช
ํ๋ ์ฉ์ด๋ผ๋ ์ ์ ์ ์ํ์ธ์.
๊ทธ๋ฆผ 2: TabFM์ ๋ ์ค๊ณ๋ฅผ ํผํฉํฉ๋๋ค. ํ/์ด ๋ฐฉํฅ์ TabPFN์ ์ดํ
์
, ์ดํ TabICL์ ํ ์์ถ, ๊ทธ๋ฆฌ๊ณ ๋๋ฝ ๋ผ๋ฒจ์ ๋ํ ์ธ์ปจํ
์คํธ ๋ฌ๋. ์ถ์ฒ: Google Research, โIntroducing TabFM: A zero-shot foundation model for tabular dataโ (2026) .
๋ฐ์ : ์์ธก์ด ๋ ๋๋ ค์ง๋ค
๋ง์ ์ฌ๋์ด ๋์น๋ ํธ๋ ์ด๋์คํ๊ฐ ์์ต๋๋ค.
XGBoost๋ ํ ๋ฒ ์๊ฐ์ ๋ค์ฌ ํ์ตํ๊ณ , ์ดํ์๋ ๊ฑฐ์ ์ฆ์ ์์ธกํฉ๋๋ค.
ํํ ๊ธฐ๋ฐ ๋ชจ๋ธ์ ํ์ต์ ๊ฑด๋๋ฐ์ง๋ง, ์์ธกํ ๋๋ง๋ค ํ์ต ํ ์ ๋ถ ๋ฅผ ๋ค์ ์ฝ์ด์ผ ํฉ๋๋ค.
์๋น์ค ์ ์ค๋น๋ฅผ ์ ํ ํ์ง ์๊ณ , ์ฃผ๋ฌธ๋ง๋ค ๋ ์ํผ ์ฑ
์ ์ฒ์๋ถํฐ ๋๊น์ง ๋ค์ ์ฝ๋ ์
ฐํ๋ฅผ ๋ ์ฌ๋ ค ๋ณด์ธ์.
์ฑ
์ด ์์ ๋๋ ๊ด์ฐฎ์ง๋ง, ๋ฐ์ดํฐ์
์ด ์ปค์ง์๋ก ์์ธก์ ๋๋ ค์ง๋๋ค. TabICL๊ณผ TabPFN ๋ชจ๋ ํ์ต ๋ฐ์ดํฐ์ ๋ํ โ์ฝ๊ธฐโ๋ฅผ ์บ์ํด ๋ฐ๋ณต ์์ธก์ ๊ฐ์ํ ์ ์์ง๋ง, ์ฒซ ๋ฒ์งธ ํจ์ค์๋ ์ฌ์ ํ ์๊ฐ์ด ๋ญ๋๋ค.
2026๋
์ ํต์ฌ ํํ ๊ธฐ๋ฐ ๋ชจ๋ธ์?
2026๋
์ ํต์ฌ ํํ ๊ธฐ๋ฐ ๋ชจ๋ธ์ TabPFN, TabICLv2, Google์ TabFM, Fundamental์ NEXUS, H2O.ai์ tabH2O์
๋๋ค. ํฅ๋ฏธ๋ก์ด ์ ์ ๋น์ฆ๋์ค ์ ๊ฐ ์๋์
๋๋ค. ๋ถ๊ณผ 5๊ฐ์ ๋ง์ ํ๊ณ ๋
ผ๋ฌธ์์ ๋ํ ๊ฑฐ๋๋ก ์ด์ด์ก์ต๋๋ค. ๊ฐ๋จํ ํ์๋ผ์ธ์ ๋ค์๊ณผ ๊ฐ์ต๋๋ค.
์ด์ ๋ชจ๋ ๊ฒ์ ์์ํ ๋ชจ๋ธ๋ถํฐ ์ฐจ๋ก๋ก ์ดํด๋ณด๊ฒ ์ต๋๋ค.
TabPFN(Prior Labs, ํ์ฌ SAP ์์)
TabPFN์ ์ด ์นดํ
๊ณ ๋ฆฌ๋ฅผ ๋ง๋ ๋ชจ๋ธ์
๋๋ค. TabPFN-2๋ 2025๋
1์ Nature์ ์ค๋ ธ๊ณ , ์ต๋ 10,000ํ ๋ฐ์ดํฐ์
์์ ํ๋ํ ํธ๋ฆฌ ๊ธฐ๋ฐ ๋ชจ๋ธ์ ์ด๊ฒผ์ต๋๋ค.
๊ทธ ์ดํ Prior Labs๋ ๋น ๋ฅด๊ฒ ์ ๋ฒ์ ์ ๋ด๋์์ต๋๋ค. TabPFN-3 ๋ 2026๋
5์์ ๊ณต๊ฐ๋์๊ณ ์ต๋ 100๋ง ํ (์ต๋ 200 ํน์ง)๊น์ง ์ฒ๋ฆฌํฉ๋๋ค. ๋ํ Thinking ๋ชจ๋ (์ ๋ฃ API)๋ฅผ ์ถ๊ฐํด, ์ ํฉ ๋จ๊ณ์์ ๋ ๋ง์ ์๊ฐ์ ๋ค์ฌ ๋ ๋์ ์์ธก์ ์ ๊ณตํฉ๋๋ค.
์ต์ ๋ฒ์ TabPFN-3.5๋ 2026๋
9์์ ๋์๊ณ , ๊ธฐ์ ๋ณด๊ณ ์ ๋ ์๊ฐ ์์ํ๊ณผ ๊ทธ๋ฃนํ ๋ฐ์ดํฐ๋ฅผ ํฌํจํ ์ฌ๋ฌ ์ฃผ์ ๋ฒค์น๋งํฌ์์ 1์๋ฅผ ์ฃผ์ฅํฉ๋๋ค. ์ธ๋ถ ๊ฒ์ฆ ์ ๊น์ง๋ ์์ฌ ์์น๋ก ๋ณด๋ ๊ฒ์ด ์์ ํฉ๋๋ค.
๋ผ์ด์ ์ค๋ ์ฃผ์ํ ์ ์
๋๋ค. TabPFN-2๋ ์ถ์ฒ ํ๊ธฐ๋ง ํ๋ฉด ์์
์ ์ฌ์ฉ์ด ๊ฐ๋ฅํ์ง๋ง, 2.5~3.5 ๋ฒ์ ์ ๋น์์
์ฉ์
๋๋ค. ์ฆ, ๋ฌด๋ฃ๋ก ์คํ์ ๊ฐ๋ฅํ๋, ์ค์ ์ ํ์ ์ฐ๋ ค๋ฉด ์ ๋ฃ ๋ผ์ด์ ์ค๊ฐ ํ์ํฉ๋๋ค.
TabICLv2(Inria)
TabICLv2๋ ํ์ฌ ์์ ๊ฐ๋ฐฉํ์ผ๋ก๋ ๊ฐ์ฅ ๋ฐ์ด๋ ํํ ๊ธฐ๋ฐ ๋ชจ๋ธ์
๋๋ค. Inria์์ ๊ฐ๋ฐ๋์ด 2026๋
2์ ๊ณต๊ฐ, ICML 2026์ ์ฑํ๋์์ต๋๋ค.
TabICLv2 ๋
ผ๋ฌธ ์ ํต์ฌ ๊ฒฐ๊ณผ๋, ์ด๋ค ํ๋๋ ์์ด, ์ด์ ์ต๊ณ ๋ชจ๋ธ์ด์๋ RealTabPFN-2.5(ํ๋, ์์๋ธ, ์ค๋ฐ์ดํฐ ๋ฏธ์ธ์กฐ์ ๊น์ง ํ ๋ชจ๋ธ)๋ฅผ ๋ฅ๊ฐํ๋ค๋ ์ ์
๋๋ค.
GitHub ์ ์ฅ์ ์ ๋ฐ๋ฅด๋ฉด, TabArena ๋ฒค์น๋งํฌ์์ ๋๋์ ์ผ๋ก ํ๋ํ XGBoost, CatBoost, LightGBM์ ์ฝ 80%์ ๋ฐ์ดํฐ์
์์ ์ด๊น๋๋ค.
์๋๋ ๋น ๋ฆ
๋๋ค. H100 GPU์์ 5๋ง ํ, 100 ํน์ง์ 10์ด ์ด๋ด์ ์ฒ๋ฆฌํ๋ฉฐ, ์ด๋ TabPFN-2.5๋ณด๋ค ์ฝ 10๋ฐฐ ๋น ๋ฆ
๋๋ค.
300~10๋ง ํ์์ ์ต์ ์ผ๋ก ๋์ํ๊ณ , ์ ํ๋ ์์ค์ ๊ฐ์ํ๋ฉด ์ฝ 50๋ง ํ๊น์ง ํ์ฅํ ์ ์์ต๋๋ค.
์ ์๊ฐ์, ๋๋ถ๋ถ์ ๋
์์๊ฒ ๊ฐ์ฅ ๋จผ์ ์จ ๋ณผ ๋งํ ๋ชจ๋ธ์
๋๋ค.
pip install tabicl๋ก ์ค์นํ๊ณ , ์ผ๋ฐ scikit-learn ๋ชจ๋ธ์ฒ๋ผ ์ฐ๋ฉด ๋๋ฉฐ, ๊ด๋ํ ๋ผ์ด์ ์ค๋ก ๊ฐ์
์ ์ฐจ ์์ด ์์
์ ์ผ๋ก๋ ์ฌ์ฉํ ์ ์์ต๋๋ค. ๋ค๋ง ๋ฆฌ๋๋ณด๋๋ ๋น ๋ฅด๊ฒ ๋ณํ๊ณ ์์ผ๋ฉฐ, TabPFN-3.5์ ๋ณด๊ณ ์๋ ํ์ฌ TabICLv2๋ณด๋ค ์์ ๋ค๊ณ ์ํํฉ๋๋ค.
Google TabFM
TabFM์ Google Research์ ํํ ๊ธฐ๋ฐ ๋ชจ๋ธ๋ก, 2026๋
6์ 30์ผ ๊ณต๊ฐ๋์์ต๋๋ค. ์ฐจ๋ณ์ ์ ์ฌ์ฉ ์์น ์
๋๋ค. Google์ ํด๋ผ์ฐ๋ ๋ฐ์ดํฐ ์จ์ดํ์ฐ์ค์ธ BigQuery์ ๋ด์ฅ๋์ด ์์ด, ์์ SQL๋ง์ผ๋ก ์์ธก์ ๋ฐ์ ์ ์์ต๋๋ค.
SELECT *
FROM AI. PREDICT(
TABLE my_dataset. customers_history,
TABLE my_dataset. customers_new,
label_col = > 'churned'
) ; ์ ๊ณต
Python๋ณด๋ค SQL์ ์ต์ํ ๋ถ๋ค๊ป ํ๋ฅญํฉ๋๋ค.
๋ค๋ง ํ์ฌ BigQuery ๋ฌธ์ ์๋ ํน์ง ์ปฌ๋ผ 20๊ฐ, ํด๋์ค 10๊ฐ ์ ํ์ด ์๊ณ , 2026๋
10์ 30์ผ๋ถํฐ ํ์ค BigQuery ์๊ธ์ ํ ํฐ ๊ธฐ๋ฐ ๊ณผ๊ธ์ด ์ถ๊ฐ๋ ์์ ์
๋๋ค. Hugging Face์ ๋ชจ๋ธ ๊ฐ์ค์น๋ ๋น์์
์ฉ์ด๋ฏ๋ก, ์์
์ ์ฌ์ฉ์ BigQuery๋ฅผ ํตํด ์ด๋ค์ง๋๋ค.
Fundamental NEXUS
NEXUS๋ ์ DeepMind ์ฐ๊ตฌ์๋ค์ด ์ฐฝ์
ํ ์ํ๋์์ค์ฝ ์คํํธ์
Fundamental์ ํ์ํ, ์ํฐํ๋ผ์ด์ฆ ์ ์ฉ ๋ชจ๋ธ์
๋๋ค. 2026๋
2์ 2์ต 5,500๋ง ๋ฌ๋ฌ ํฌ์์ ํจ๊ป ์ถ์๋์๊ณ , ์์ฌ๋ ์ด๋ฅผ ๋ํ ํํ ๋ชจ๋ธ(LTM) ์ด๋ผ ๋ถ๋ฆ
๋๋ค.
๊ธฐ์
์ AWS๋ฅผ ํตํด NEXUS๋ฅผ ๊ตฌ๋งคยท์ด์ํ๋ฉฐ, Fundamental์ Fortune 100 ๊ธฐ์
๋ค์ด ์ด๋ฅผ ์์ ์์ธก, ๊ฐ๊ฒฉ ์ฑ
์ , ์ดํ ์์ธก์ ์ด๋ฏธ ์ฌ์ฉ ์ค์ด๋ผ๊ณ ๋ฐํ๋๋ค. ๋ค๋ง ๊ณต๊ฐ ๊ฐ์ค์น๋ ์์ฒด ๊ฒ์ฆ ๊ฐ๋ฅํ ๋ฒค์น๋งํฌ ๊ฒฐ๊ณผ๊ฐ ์์ผ๋ฏ๋ก, ์ํฐํ๋ผ์ด์ฆ ์ต์
์ผ๋ก ๋ณด๋ ๊ฒ์ด ํ๋นํฉ๋๋ค.
H2O.ai tabH2O
tabH2O๋ H2O.ai์ ๋ชจ๋ธ๋ก, ํต์ฌ ์์ด๋์ด๋ ๋จ์ํฉ๋๋ค. ๋ฐ์ดํฐ๋ฅผ ๋ณด๋ด๋ฉด, ์์ธก์ ๋๋ ค์ค๋ค .
๊ฒฐ์ธก๊ฐ๊ณผ ๋ฒ์ฃผํ์ ์์์ ์ ๋ฆฌํด ์ฃผ๋ฉฐ, ๋ณ์ยท์ํ์ฒ๋ผ ํด๋ผ์ฐ๋๋ก ๋ฐ์ดํฐ๋ฅผ ๋ณด๋ผ ์ ์๋ ๊ธฐ๊ด์ ์ํด ์จํ๋ ๋ฏธ์ค ์คํ๋ ๊ฐ๋ฅํฉ๋๋ค.
์ข์ ์ ์ tabH2O ๋
ผ๋ฌธ ์ด ๊ณผ์ฅํ์ง ์๋๋ค๋ ๊ฒ์
๋๋ค. TALENT ๋ฒค์น๋งํฌ์์ ํ๋ํ CatBoost์ LightGBM์ ์ด๊ฒผ์ง๋ง, ์ฌ์ ํ TabICLv2์๋ ๋ค์ฒ์ก์ต๋๋ค.
ํต์ฌ ๋ชจ๋ธ ์์ฝ
๋ชจ๋ธ ๊ฐ๋ฐ์ฌ ๊ฐ์ค์น ๊ณต๊ฐ? ์ต๋ ๊ท๋ชจ ๋ผ์ด์ ์ค ์ ํฉํ ์ฉ๋ TabPFN-2 Prior Labs ์ 10K ํ ์ถ์ฒ ํ๊ธฐ ์ ์์
์ฉ ๊ฐ๋ฅ ๊ฒ์ฆ๋ ๊ตฌ๋ฒ์ ์ ์์
์ ํ์ฉ TabPFN-3 / 3.5 Prior Labs (SAP) ๋ผ์ด์ ์ค ์๋ฝ ํ ๊ฐ๋ฅ ์ต๋ 100๋ง ํ ๋น์์
์ฉ, ๋น์ฆ๋์ค์ฉ ์ ๋ฃ API ์ต์์ ์ ํ๋์ ์ฐ๊ตฌ TabICLv2 Inria ์ ์ต๋ 10๋ง ํ์์ ์ต์ ๊ด๋ํ ์คํ ์์ค ๊ธฐ๋ณธ ์์์ TabFM Google Research ์ BigQuery์์ 20 ํน์ง ๋น์์
์ฉ ๊ฐ์ค์น BigQuery์ SQL ์ฌ์ฉ์ NEXUS Fundamental ์๋์ค ๋ฏธ๊ณต๊ฐ ๋
์ AWS์ ๋๊ธฐ์
tabH2O H2O.ai ์๋์ค ๋ฏธ๊ณต๊ฐ ์์
์ฉ API ML ํ๊ฒฝ์ด ์๋ ํ, AI ์์ด์ ํธ
Python์์ ํํ ๊ธฐ๋ฐ ๋ชจ๋ธ์ ์ด๋ป๊ฒ ์ฐ๋?
ํํ ๊ธฐ๋ฐ ๋ชจ๋ธ์ Python์์ ๋ค๋ฅธ scikit-learn ๋ชจ๋ธ๊ณผ ์์ ํ ๋์ผํ๊ฒ ์ฌ์ฉํฉ๋๋ค.
๋ฌด์์ด ์ฅ์ ์ธ์ง ๋ณด๋ ค๋ฉด XGBoost์ ์ ๋ฉด ๋น๊ตํ๋ ๊ฒ์ด ๊ฐ์ฅ ์ข์ต๋๋ค. scikit-learn ๋ด์ฅ ์ ๋ฐฉ์ ๋ฐ์ดํฐ์
์ผ๋ก ํด ๋ณด๊ฒ ์ต๋๋ค.
๋จผ์ ํจํค์ง๋ฅผ ์ค์นํฉ๋๋ค.
pip install tabicl xgboost scikit-learn์ ๊ณต
๊ทธ๋ค์ ๊ฐ์ ๋ถํ ์์ ๋ ๋ชจ๋ธ์ ์คํํฉ๋๋ค.
from sklearn. datasets import load_breast_cancer
from sklearn. metrics import accuracy_score
from sklearn. model_selection import train_test_split
from tabicl import TabICLClassifier
from xgboost import XGBClassifier
X, y = load_breast_cancer( return_X_y= True , as_frame= True )
X_train, X_test, y_train, y_test = train_test_split(
X, y, test_size= 0.2 , stratify= y, random_state= 42
)
tfm = TabICLClassifier( )
tfm. fit( X_train, y_train)
tfm_preds = tfm. predict( X_test)
xgb = XGBClassifier( n_estimators= 300 , learning_rate= 0.05 , max_depth= 4 )
xgb. fit( X_train, y_train)
xgb_preds = xgb. predict( X_test)
print ( f"TabICL accuracy: { accuracy_score( y_test, tfm_preds) : .3f } " )
print ( f"XGBoost accuracy: { accuracy_score( y_test, xgb_preds) : .3f } " ) ์ ๊ณต
์ด ์์ ๋ฐ์ดํฐ์
์ ์ผ๋ฐ ๋
ธํธ๋ถ CPU์์๋ ์ ๋์๊ฐ๋๋ค.
์ด์ฒ๋ผ ๊นจ๋ํ ๋ฐ์ดํฐ์์๋ ๋ ๋ชจ๋ธ ๋ชจ๋ ์ ์๊ฐ ๋งค์ฐ ๋๊ฒ ๋์ฌ ๊ฒ์
๋๋ค. ํ ๋ฒ์ ๋ถํ ๊ฒฐ๊ณผ๋ก ํ๋จํ์ง ๋ง์ธ์. ์ง์ง ์ํ๋๋ ์ฌ๋ฌ๋ถ์ ์ง์ ๋ถํ ์ค์ ๋ฐ์ดํฐ์
๋๋ค.
๋์ TabPFN์ ์จ ๋ณด๊ณ ์ถ๋ค๋ฉด pip install tabpfn์ ์คํํ ๋ค, ๋ ์ค๋ง ๋ฐ๊พธ๋ฉด ๋ฉ๋๋ค.
from tabpfn import TabPFNClassifier
tfm = TabPFNClassifier( )
tfm. fit( X_train, y_train)
tfm_preds = tfm. predict( X_test) ์ ๊ณต
์ค์ ๋ฐ์ดํฐ์์ ๋ชจ๋ธ์ ๋น๊ตํ๊ธฐ ์ ๋ฐ๋์ ๊ธฐ์ตํ ์ ์ด ํ๋ ์์ต๋๋ค.
๋ฐ์ดํฐ์ ๋ ์ง๊ฐ ์๋ค๋ฉด, ๋ฌด์์๊ฐ ์๋๋ผ ์๊ฐ ๊ธฐ์ค์ผ๋ก ๋ถํ ํ์ธ์. ๊ทธ๋ ์ง ์์ผ๋ฉด ๋ชจ๋ธ์ด ๋ฏธ๋๋ฅผ ์ฟ๋ณด๊ฒ ๋ฉ๋๋ค. ๊ทธ๋ฆฌ๊ณ ๋ฐ๋ก ๋ค์ ์น์
์์ ๋ณด๊ฒ ์ง๋ง, ๊ทธ ์ง์ ์ด ํํ ๊ธฐ๋ฐ ๋ชจ๋ธ์ด ์ค์ ๋ณด๋ค ๋ ์ข์ ๋ณด์ด๋ ์ง์ ์
๋๋ค.
ํํ ๊ธฐ๋ฐ ๋ชจ๋ธ์ ๊ฐ์ ๊ณผ ์ฝ์
ํํ ๊ธฐ๋ฐ ๋ชจ๋ธ์ ๋ฐ์ดํฐ์
์ด ์๊ฑฐ๋ ์ค๊ฐ ๊ท๋ชจ์ด๊ณ , ํ
์คํธ ํ์ด ํ์ต ํ๊ณผ ์ ์ฌํ ๋ ์ ๋์ํฉ๋๋ค. ์๊ฐ ์์ํ ๋ฐ์ดํฐ, ๊ทธ๋ฃนํ ๋ฐ์ดํฐ, ๋งค์ฐ ํฐ ํ, ์๊ฒฉํ ์ค๋ช
๊ฐ๋ฅ์ฑ ์๊ตฌ์์๋ ์ด๋ ค์์ ๊ฒช์ต๋๋ค.
โํ
์คํธ ํ์ด ํ์ต ํ๊ณผ ์ ์ฌํ๋คโ๋ ๊ฐ๋
์ IID(๋
๋ฆฝ์ด๊ณ ๋์ผ ๋ถํฌ)๋ผ๊ณ ๋ถ๋ฅด๋ฉฐ, ๋ฐ์ดํฐ์์ ๊ฐ์ฅ ๋จผ์ ํ์ธํด์ผ ํ ํต์ฌ ์กฐ๊ฑด์
๋๋ค.
๋จผ์ ์ ๋ง๋ ๊ฒฝ์ฐ๋ถํฐ ๋ณด๊ฒ ์ต๋๋ค.
์~์ค๊ฐ ๊ท๋ชจ ๋ฐ์ดํฐ์
: ์๋ฐฑ ~ ์ฝ 10๋ง ํ์ด ์ค์ํธ ์คํฟ์
๋๋ค.
์ง์ ๋ถํ ๋ฐ์ดํฐ : ๊ฒฐ์ธก๊ฐ๊ณผ ๋ฒ์ฃผํ ์ปฌ๋ผ์ ์๋์ผ๋ก ์ฒ๋ฆฌํฉ๋๋ค.
๋น ๋ฅธ ์คํ : ํน์ง ์์ง๋์ด๋ง ์ฝ๋ ์์ด๋ ๋ช ์ด ๋ง์ ๊ฐํ ๊ฒฐ๊ณผ๋ฅผ ์ป์ต๋๋ค.
ML ํ๊ฒฝ์ด ์๋ ๊ฒฝ์ฐ : BigQuery์ AI.PREDICT ๊ฐ์ ๋๊ตฌ๋ ํ์ต๊ณผ ๋ฐฐํฌ๋ฅผ ์์ ํ ์์ ์ค๋๋ค.
์ด์ ์ค์ ํ๋ก์ ํธ ๊ณํ ์ ๋ ์ค์ํ ์ ์๋ ํ๊ณ๋ฅผ ๋ณด๊ฒ ์ต๋๋ค.
๋ฐ์ดํฐ๊ฐ IID๋ผ๊ณ ๊ฐ์ ํ๋ค
2026๋
6์ ๊ณต๊ฐ๋ BeyondArena ๋ฒค์น๋งํฌ ๋ ์๊ฐ ๊ธฐ์ค ๋ถํ (๊ณผ๊ฑฐ๋ก ๋ฏธ๋ ์์ธก)๊ณผ ๊ทธ๋ฃน ๊ธฐ์ค ๋ถํ (์ ๋ณ์์ด๋ ๊ตญ๊ฐ์ ๋ํ ์์ธก)์ ํฌํจํ 142๊ฐ ๋ฐ์ดํฐ์
์์ 11๊ฐ ๋ชจ๋ธ์ ํ
์คํธํ์ต๋๋ค.
๊ฒฐ๊ณผ๋ ํํ ๊ธฐ๋ฐ ๋ชจ๋ธ์ด ์๊ณ ์ค๊ฐ ํฌ๊ธฐ์ IID ๋ฐ์ดํฐ์์ ๊ฐ์ฅ ์ฑ๊ณผ๊ฐ ์ข๊ณ , ์๊ฐ ์์ํยท๊ทธ๋ฃนํยท๋๊ท๋ชจยท์ด๊ด๋์ญ ๋ฐ์ดํฐ์์๋ ํธ๋ฆฌ ๊ธฐ๋ฐ์ด๋ ๋ค๋ฅธ ๋ฅ๋ฌ๋ ๋ชจ๋ธ์ด ์์ ๋ค๋ ๊ฒ์
๋๋ค. ๋๋ถ๋ถ์ ๋น์ฆ๋์ค ๋ฐ์ดํฐ(๋งค์ถ, ์ฌ๊ธฐ, ์ดํ)๊ฐ ์๊ฐ ์์ํ์ด๋ฏ๋ก, ์ด ํ๊ณ๋ ์ค์ ํ๋ก์ ํธ์์ ์์ฃผ ๋๋ฌ๋ฉ๋๋ค.
BeyondArena ์ดํ ๊ณต๊ฐ๋ TabPFN-3.5๋ ์๊ฐ ์์ํ๊ณผ ๊ทธ๋ฃนํ ๋ฐ์ดํฐ์์ ์ด ๊ฒฉ์ฐจ๋ฅผ ์ขํ๋ค๊ณ ์ฃผ์ฅํฉ๋๋ค. ๊ณ ๋ฌด์ ์ด์ง๋ง, ์์ง ๋
๋ฆฝ์ ์ธ ๊ฒ์ฆ์ ์์ต๋๋ค.
์ค๋ช
์ด ๋ ์ด๋ ต๋ค
TabICL๊ณผ TabPFN ๋ชจ๋์์ SHAP ๊ฐ์ ๊ตฌํ ์ ์์ง๋ง, ํธ๋ฆฌ ๋ชจ๋ธ์ SHAP ๋ณด๋ค ํจ์ฌ ์ค๋ ๊ฑธ๋ฆฌ๊ณ , ์ดํด๋ณผ ํธ๋ฆฌ ๋ถํ ๋ ์์ต๋๋ค. ๊ท์ ๊ฐ ์์ด ๋ชจ๋ธ์ ์ดํดํด์ผ ํ๋ ์ ์ฉํ๊ฐ ๊ฐ์ ๋ถ์ผ์์๋ ์ค์ ๋ฌธ์ ์
๋๋ค.
์์ธก ์ ๋ ๋ง์ ์ฐ์ฐ์ ์ํ๋ค
์์ฒ ํ์ ๋๊ธฐ๋ฉด GPU๊ฐ ์ฌ์ค์ ํ์ํ๊ณ , ํ์ต ๋ฐ์ดํฐ๊ฐ ํด์๋ก ์์ธก์ด ๋๋ ค์ง๋๋ค. CPU์์์ ํ์ต๋ XGBoost ๋ชจ๋ธ์ ์๋ ๋ฉด์์ ์ธ์ ๋ ์น๋ฆฌํฉ๋๋ค.
๋ผ์ด์ ์ค๊ฐ ์ ๊ฐ๊ฐ์ด๋ค
TabPFN-2๋ ์ถ์ฒ ํ๊ธฐ๋ฅผ ์ ์ ๋ก ์์
์ฉ ๊ฐ๋ฅ, ์ต์ TabPFN ๋ฒ์ ์ ๋น์์
์ฉ, TabFM ๊ฐ์ค์น๋ ๋น์์
์ฉ, TabICLv2๋ ๊ด๋ํฉ๋๋ค.
๊ทธ๋ฆผ 3: ๋ชจ๋ธ ๊ณ์ด๋ณ Elo(๋์์๋ก ์ฐ์). ํํ ๊ธฐ๋ฐ ๋ชจ๋ธ์ ์์ IID ๋ฐ์ดํฐ์์ ์ ๋ํ์ง๋ง, ์๊ฐํ๊ณผ ๋๊ท๋ชจ ๋ฐ์ดํฐ์์๋ ํ๋ฝํ๋ฉฐ ํธ๋ฆฌ์ MLP๊ฐ ๋ ์ ๋ฒํ๋๋ค. ํ๋์์ ์ต์ TabPFN์ด ์๋ TabICLv2, TabPFN-2.6, TabDPT ์ค ์ต๊ณ ๋ฅผ ์๋ฏธํฉ๋๋ค. ์ถ์ฒ: Purucker ์ธ, โBeyond IID: How General Are Tabular Foundation Models, Really?โ (2026), CC BY 4.0 .
๋ฐ๋ผ๊ฑด๋, ํํ ๊ธฐ๋ฐ ๋ชจ๋ธ์ด โ๋น ๋ฅด๊ณ ์์ฌ์ด ๊ธฐ์ค์ โ์ ์์ค์ ํ ๋จ๊ณ ๋์ด์ฌ๋ ธ๋ค๋ ์ ์๋ ๋์ํ์ค ๊ฒ๋๋ค. ํ์ง๋ง ์ฌ์ ํ ๋ง์ ์ค์ ์ํฉ์์ ํธ๋ฆฌ ๊ธฐ๋ฐ ๋ชจ๋ธ์ด ๋ ์ข์ ์ ํ์
๋๋ค.
์ธ์ ํํ ๊ธฐ๋ฐ ๋ชจ๋ธ์ ์จ์ผ ํ๋?
๋ฐ์ดํฐ์
์ด ์๊ฑฐ๋ ์ค๊ฐ ๊ท๋ชจ์ด๊ณ IID์ด๋ฉฐ, ์์ ํ ์ค๋ช
๊ฐ๋ฅ์ฑ์ด๋ CPU์์์ ๋งค์ฐ ๋น ๋ฅธ ์์ธก์ด ํ์ํ์ง ์์ ๋ ํํ ๊ธฐ๋ฐ ๋ชจ๋ธ์ ์ฌ์ฉํ์ธ์. ์ ๊ฐ ๊ถํ๋ ์์ฌ๊ฒฐ์ ํ๋ ๋ค์๊ณผ ๊ฐ์ต๋๋ค.
์๋๋ฆฌ์ค ๊ถ์ฅ ์ ๊ทผ 1๋ง ํ ์ดํ, IID, ์ค๋ช
ํ์ ์์ TabICLv2 ๋๋ TabPFN์ผ๋ก ์์ 1๋ง ~ 10๋ง ํ, IID TabICLv2์ XGBoost๋ฅผ ๋น๊ตํด ์น์๋ฅผ ์ฑํ 10๋ง ~ 100๋ง ํ XGBoost ๋๋ LightGBM์ผ๋ก ์์, ๋์ ์๋ก TabPFN-3 ์๋ ์๊ฐ ๋๋ ๊ทธ๋ฃน ๊ธฐ์ค ๋ถํ ํธ๋ฆฌ ๊ธฐ๋ฐ ๋ชจ๋ธ๋ถํฐ ์์ SHAP, ํน์ง ์ค์๋, ๊ฐ์ฌ๊ฐ ํ์ SHAP์ ๊ฐ์ถ ํธ๋ฆฌ ๊ธฐ๋ฐ ๋ชจ๋ธ GPU ์์ด ๋น ๋ฅธ ์์ธก ํธ๋ฆฌ ๊ธฐ๋ฐ ๋ชจ๋ธ ๋น ๋ฅธ PoC, ML ํ๊ฒฝ ์์ TabICLv2, ๋๋ ๋ฐ์ดํฐ๊ฐ ์ด๋ฏธ BigQuery์ ์๋ค๋ฉด AI.PREDICT ํ์์ ์์ธก์ด ํ์ํ AI ์์ด์ ํธ tabH2O๋ NEXUS ๊ฐ์ API
๋ชจ๋ธ์ ๊ณ ๋ฅด๊ธฐ ์ ์, ๋ค์ ์ธ ๊ฐ์ง๋ฅผ ์๋ฌธํด ๋ณด์ธ์.
๋ด ๋ฐ์ดํฐ๋ IID์ธ๊ฐ? ํ์ด ์๊ฐ ์์์ด๊ฑฐ๋ ๊ณ ๊ฐยท๋งค์ฅยทํ์ ๋ฑ์ผ๋ก ๊ทธ๋ฃนํ๋์ด ์๋ค๋ฉด, ๋ฌด์์ ๋ถํ ๊ฒฐ๊ณผ์๋ ์ฃผ์ํ์ธ์.
๋ชจ๋ธ์ ์ค๋ช
ํด์ผ ํ๋๊ฐ? ๊ท์ ๊ธฐ๊ด์ด๋ ๊ด๋ฆฌ์๊ฐ ๊ฐ์ฌ๋ฅผ ํด์ผ ํ๋ค๋ฉด, ํธ๋ฆฌ๋ฅผ ๊ถํฉ๋๋ค.
์์ธก ์๋ ์๊ตฌ๋ ์ด๋ค๊ฐ? CPU์์ ํ๋ฃจ ์๋ฐฑ๋ง ๊ฑด์ ์๋นํ๋ค๋ฉด, ํธ๋ฆฌ๊ฐ ๋ ๋น ๋ฅด๊ณ ๋น์ฉ ํจ์จ์ ์
๋๋ค.
๋ง์ง๋ง์ผ๋ก ๊ผญ ์ ํ๊ณ ์ถ์ ์ ์ด ์์ต๋๋ค. ํํ ๊ธฐ๋ฐ ๋ชจ๋ธ์ ๋จผ์ ๋๋ ค ๋ณด์ธ์. ๋ช ๋ถ๋ฐ์ ๋ค์ง ์์ต๋๋ค. ๋ง์ฝ ์ฌ๋ฌ๋ถ์ ๋ฐ์ดํฐ์์ XGBoost๋ฅผ ์ด๊ธฐ์ง ๋ชปํ๋ค๋ฉด, ์ด์ ํน์ง ์์ง๋์ด๋ง๊ณผ XGBoost ํ๋์ ์๊ฐ์ ์ธ ๊ฐ์น๊ฐ ์์์ ์๊ฒ ๋ ๊ฒ์
๋๋ค.
๋งบ์๋ง
๊ธ์ ์๋์ ๋ฑ์ฅํ ๋ ํ์์ ๊ธฐ์ตํ์๋์? 2026๋
, ์๋ฐฑ๋ง ๊ฐ์ ์ํ์ ์ฐ์ตํ ๋ ๋ฒ์งธ ํ์์ด, ์ ์ด๋ ์๊ณ ์ค๊ฐ ๊ท๋ชจ์ ํ์์๋, ๋ช ์ฃผ๊ฐ ๊ณต๋ถํ ์ฒซ ๋ฒ์งธ ํ์์ ๋ง์นจ๋ด ์ด๊ธฐ๊ฒ ๋์์ต๋๋ค.
ํํ ๊ธฐ๋ฐ ๋ชจ๋ธ์ ๋ฐ์ดํฐ์
๋ณ ํ์ต์ ์ฌ์ ํ์ต์ผ๋ก, fit()์ ์์ ๋ก๋ถํฐ์ ํ์ต์ผ๋ก ๋์ฒดํฉ๋๋ค.
๊ฐ์ฅ ๋๋ผ์ด ์ ์ ์ด ์์ญ์ด ์ผ๋ง๋ ๋นจ๋ฆฌ ๋ฐ์ ํ๋๊ฐ์
๋๋ค. 2025๋
TabPFN-2๊ฐ ์์ ํ์์ ํ๋ํ ํธ๋ฆฌ๋ฅผ ์ด๊ธธ ์ ์์์ ์ฒ์ ๋ณด์๊ณ , ์ดํ TabICLv2์ TabPFN-3๊ฐ ๊ทธ ํ๊ณ๋ฅผ ํจ์ฌ ๋ ํฐ ํ๋ก ๋ฐ์ด ์ฌ๋ ธ์ต๋๋ค.
ํ์ฌ์ ์ด๋ฆฐ ๊ณผ์ ๋ ์๊ฐ ์์ํ ๋ฐ์ดํฐ, ๋ณํํ๋ ๋ฐ์ดํฐ, ์ค๋ช
๊ฐ๋ฅ์ฑ, ๋ผ์ด์ ์ค์
๋๋ค. ์ด๋ ๋ชจ๋ธ์ด ์ค์ ์ ํ์ ๋ค์ด๊ฐ ์ ์๋์ง๋ฅผ ์ข์ฐํ๋ ์์์ด๊ธฐ๋ ํฉ๋๋ค.
๋ฐ๋ผ์ ์ ์กฐ์ธ์ ์ด๋ ์ต๋๋ค. ์ด ๋ชจ๋ธ๋ค์ ์๋ก์ด ์ถ๋ฐ์ ์ผ๋ก ์ผ๊ณ , ๋ฐ์ดํฐ, ์ ์ฝ, ๋ชจ๋ธ์ด ์คํ๋ ํ๊ฒฝ์ ๋ง์ถฐ ์ต์ข
๋๊ตฌ๋ฅผ ๊ณ ๋ฅด์ธ์.
๊ทธ๋ฆฌ๊ณ ์ฌ์ ํ ๋ง์ ์ค์ ์ํฉ์์ ์น๋ฆฌํ๋ ํธ๋ฆฌ ๊ธฐ๋ฐ ๋ชจ๋ธ์ ๋ง์คํฐํ๊ณ ์ถ๋ค๋ฉด, Machine Learning with Tree-Based Models in Python ์ฝ์ค์ Supervised Machine Learning in Python ํธ๋์ ํ์ธํ์ธ์. R์ ์ฌ์ฉํ๋ค๋ฉด, Machine Learning with Tree-Based Models in R ์์ ๋์ผ ์ฃผ์ ๋ฅผ ๋ค๋ฃน๋๋ค.
๊ฐ์ ์ํ์ ์น๋ฅด๋ ๋ ํ์์ ๋ ์ฌ๋ ค ๋ณด์ธ์. ์ฒซ ๋ฒ์งธ ํ์์ ํ ๊ณผ๋ชฉ๋ง 3์ฃผ ๋์ ๊ณต๋ถํฉ๋๋ค. ๋ ๋ฒ์งธ ํ์์ ์ด๋ฏธ ์๋ฐฑ๋ง ๊ฐ์ ๋ค์ํ ์ํ์ ํ์ด ๋ดค๊ณ , ์ํ ๋น์ผ์๋ ํ์ด ์์ ๊ฐ ์ ํ ํ ์ฅ์ง๋ฆฌ ์๋ฃ๋ง ๋ฐ์ต๋๋ค.
๋จธ์ ๋ฌ๋์ ๋๋ถ๋ถ ์ญ์ฌ์์, ํํ ๋ชจ๋ธ์ ์ฒซ ๋ฒ์งธ ํ์์ ๊ฐ๊น์ ์ต๋๋ค. ์ ๋ฐ์ดํฐ์ ์ด ๋์ฌ ๋๋ง๋ค ์ปฌ๋ผ์ ์ ๋ฆฌํ๊ณ , ํน์ง์ ์์ง๋์ด๋งํ๊ณ , XGBoost๋ LightGBM์ ํ์ต์ํค๊ณ , ํ์ดํผํ๋ผ๋ฏธํฐ๋ฅผ ๋ช ์๊ฐ์ฉ ํ๋ํด์ผ ํ์ต๋๋ค.
ํ์ง๋ง ํํ ๊ธฐ๋ฐ ๋ชจ๋ธ์ ๋ ๋ฒ์งธ ํ์์ ๋๋ค. ๋ผ๋ฒจ์ด ๋ถ์ ํ์ ์์ ๋ก ๊ฑด๋ค์ฃผ๋ฉด, ํ์ต ์์ด ๋๋จธ์ง๋ฅผ ์์ธกํฉ๋๋ค.
2026๋ , ์ด ์์ด๋์ด๋ ์ฐ๊ตฌ ๋ ผ๋ฌธ์ ๋์ด ์ค์ ์ ํ์ผ๋ก ์ด์ด์ก์ต๋๋ค. SAP๊ฐ Prior Labs์ 10์ต ์ ๋ก ์ด์์ ํฌ์ ํ๊ฒ ๋ค๊ณ ๋ฐํํ๊ณ , Google๋ ์์ฒด ๋ชจ๋ธ์ ๊ณต๊ฐํ์ต๋๋ค. ์ด ๊ธ์์๋ ๋ค์์ ์ดํด๋ณด๊ฒ ์ต๋๋ค.
๋ฅ๋ฌ๋ ๊ฒฝํ์ด ๋ง์ง ์์๋ ๊ฑฑ์ ํ์ง ๋ง์ธ์. ์ด ๊ธ์ ์ฝ๋๋ ์น์ํ scikit-learn ์ธํฐํ์ด์ค๋ฅผ ์ฌ์ฉํฉ๋๋ค. ๋จผ์ ๋ณต์ต์ด ํ์ํ๋ค๋ฉด, 20๋ถ ๋ง์ ์ดํดํ๋ 8๊ฐ์ง ๋จธ์ ๋ฌ๋ ๋ชจ๋ธ์์ ๊ธฐ๋ณธ์ ๋ค๋ฃฌ ๋ด์ฉ์ ํ์ธํ์ธ์.
ํํ ๊ธฐ๋ฐ ๋ชจ๋ธ ํ๋์ ๋ณด๊ธฐ
pip install tabicl๋ก ์ค์นํฉ๋๋ค.ํํ ๊ธฐ๋ฐ ๋ชจ๋ธ์ด๋?
ํํ ๊ธฐ๋ฐ ๋ชจ๋ธ์ ์๋ฐฑ๋ง ๊ฐ์ ํฉ์ฑ ํํ ๋ฐ์ดํฐ์ ์ผ๋ก ์ฌ์ ํ์ตํด, ๋ชฉํ ์ด์ ์์ธกํ๋ ์ผ๋ฐ ์ ๋ต์ ์ตํ ์ ๊ฒฝ๋ง์ ๋๋ค. ์ดํ ์ธ์ปจํ ์คํธ ๋ฌ๋์ ํตํด ๊ฐ ๋ฐ์ดํฐ์ ๋ณ ์ถ๊ฐ ํ์ต ์์ด ๊ทธ ์ ๋ต์ ์๋ก์ด ํ์ ์ ์ฉํฉ๋๋ค.
์ฌ๊ธฐ์ ํฐ ๋ณํ๋ ํ์ต์ด ์ธ์ ์ผ์ด๋๋๊ฐ์ ๋๋ค.
XGBoost์์๋ ์ ๋ชจ๋ธ์ ํ์ตํ ๋๋ง๋ค ๋งค๋ฒ ์ฌ๋ฌ๋ถ์ ๋ฐ์ดํฐ์์ ํ์ต์ด ์ผ์ด๋ฉ๋๋ค. ํํ ๊ธฐ๋ฐ ๋ชจ๋ธ์์๋ ํ์ต์ด ์๊ฐ์ ์ ์ฌ์ ํ์ต ๋จ๊ณ์์ ์ด๋ฏธ ๋๋ฌ๊ณ , ์ฌ๋ฌ๋ถ์ ๋ฐ์ดํฐ๋ ๋จ์ง ์ ๋ ฅ์ผ ๋ฟ์ ๋๋ค. ์์ฃผ ๋ณด๊ฒ ๋ ์ฉ์ด๋ฅผ ๋ช ๊ฐ์ง ํ์ดํ ๋ง๋ก ์ค๋ช ํ๋ฉด ๋ค์๊ณผ ๊ฐ์ต๋๋ค.
์ด์ ํํ ๊ธฐ๋ฐ ๋ชจ๋ธ์ ๋ถ์คํ ๊ธฐ๋ฒ๊ณผ ์๋ํ๋ ๋จธ์ ๋ฌ๋(AutoML)๊ณผ ๋น๊ตํด ๋ณด๊ฒ ์ต๋๋ค.
๋ณธ๊ฒฉ์ ์ผ๋ก ์๋ฆฌ๋ฅผ ๋ณด๊ธฐ ์ ์, ๊ฐ์ฅ ์ ๋ช ํ๊ณ ๋๋ฆฌ ์ฐ์ด๋ ๋ชจ๋ธ์ธ ๋๊ท๋ชจ ์ธ์ด ๋ชจ๋ธ๊ณผ ๊ฐ๋จํ ๋น๊ตํด ๋ณด๊ฒ ์ต๋๋ค.
ํํ ๊ธฐ๋ฐ ๋ชจ๋ธ vs. ๋๊ท๋ชจ ์ธ์ด ๋ชจ๋ธ
๋๊ท๋ชจ ์ธ์ด ๋ชจ๋ธ(LLM)๊ณผ ํํ ๊ธฐ๋ฐ ๋ชจ๋ธ์ ๋ชจ๋ ํธ๋์คํฌ๋จธ๋ฅผ ์ฌ์ฉํ๊ณ , ์ ๋ ฅ์ ํฌํจ๋ ์์ ๋ก๋ถํฐ ํ์ตํฉ๋๋ค.
์ฐจ์ด๋ ๋ฌด์์ ์ฝ๋๋ก ์ค๊ณ๋๋๋์ ๋๋ค. LLM์ ํ๋ฅผ ๊ธด ํ ์คํธ ๋ฌธ์์ด๋ก ์ฝ๊ธฐ ๋๋ฌธ์, ์ผํ์ ๊ณต๋ฐฑ์ ๋จ์๋ก ์ด๋ค ์ซ์๊ฐ ๊ฐ์ ์ปฌ๋ผ์ ์ํ๋์ง ์ค์ค๋ก ํ์ ํด์ผ ํฉ๋๋ค.
์๋ฏธ์ ๋ฌธ์ ๋ ์์ต๋๋ค.
๊ฐ 42๋ ๋๊ตฐ๊ฐ์ ๋์ด์ผ ์๋ ์๊ณ ๋งค์ถ์ผ ์๋ ์์ง๋ง, ์ซ์ ์์ฒด๋ง์ผ๋ก๋ ๊ตฌ๋ถํ ์ ์์ต๋๋ค. ํํ ๊ธฐ๋ฐ ๋ชจ๋ธ์ ๊ฐ ์ปฌ๋ผ์ ๋ ๋ฆฝ ๋ณ์๋ก, ๊ฐ ํ์ ํ๋์ ์์ ๋ก ๋ค๋ฃจ๋๋ก ํ์ต๋๋ฏ๋ก ์ปฌ๋ผ ๊ฐ ๊ด๊ณ์ ์ง์คํฉ๋๋ค.
์ด๋ ๊ฒ ์๊ฐํ๋ฉด ์ดํด๊ฐ ์ฝ์ต๋๋ค. LLM์ ๋ฐ์ดํฐ์ ๋ํด ๋งํ๋ ๋ฐ ๋ฐ์ด๋๊ณ , ํํ ๊ธฐ๋ฐ ๋ชจ๋ธ์ ๊ทธ ๋ฐ์ดํฐ๋ก ๊ณ์ฐํ๋ ๋ฐ ํนํ๋์ด ์์ต๋๋ค.
๋ ๋ชจ๋ธ์ ํจ๊ป ์ฌ์ฉํ ์๋ ์์ต๋๋ค. ์ค์ ๋ก H2O.ai๋ tabH2O ๋ชจ๋ธ์ ์ ํํ ๊ทธ๋ ๊ฒ ํฌ์ง์ ๋ํฉ๋๋ค. ์คํ๋ ๋์ํธ์์ ์ซ์๊ฐ ํ์ํ ๋ AI ์์ด์ ํธ๊ฐ ํธ์ถํ๋ ์์ธก ๋๊ตฌ๋ก์.
๋ฅ๋ฌ๋์ ํํ ๋ฐ์ดํฐ๊ฐ ์ด๋ ต๋ ์ด์
ํํ ๋ฐ์ดํฐ๊ฐ ๋ฅ๋ฌ๋์ ์ด๋ ค์ ๋ ์ด์ ๋, ํ์๋ ์ ๊ฒฝ๋ง์ด ํ ๋ฒ ๋ฐฐ์ฐ๊ณ ์ฌ์ฌ์ฉํ ์ ์๋ ๊ณตํต ๊ตฌ์กฐ๊ฐ ์๊ธฐ ๋๋ฌธ์ ๋๋ค. ์ฌ์ง์ ํฝ์ ์ ์ด๋ค ์ฌ์ง์์๋ ํฝ์ ์ ๋๋ค. ํ์ง๋ง ๊ธ์ต ๋ฐ์ดํฐ์ score ์ปฌ๋ผ๊ณผ ์ถ๊ตฌ ๋ฐ์ดํฐ์ score ์ปฌ๋ผ์ ์ด๋ฆ๋ง ๊ฐ์ ๋ฟ ๊ณตํต์ ์ด ์์ต๋๋ค.
Lรฉo Grinsztajn, Edouard Oyallon, Gaรซl Varoquaux์ ์ ๋ช ํ 2022๋ ๋ ผ๋ฌธ Why do tree-based models still outperform deep learning on tabular data?๋ 45๊ฐ ๋ฐ์ดํฐ์ ์์ ์ด๋ฅผ ๊ฒ์ฆํ๊ณ , ํนํ ๊ทธ๋๋์ธํธ ๋ถ์คํ ๊ฐ์ ํธ๋ฆฌ ๊ธฐ๋ฐ ๋ชจ๋ธ์ด ์ฝ 1๋ง ํ ๊ท๋ชจ์ ์ค๊ฐ ํฌ๊ธฐ ํ์์ ๋ฅ๋ฌ๋์ ์ฌ์ ํ ์์ ๋ค๊ณ ๋ณด๊ณ ํ์ต๋๋ค. ๊ทธ ์ด์ ๋ก๋ ๋ค์์ ๊ผฝ์์ต๋๋ค.
์ค๋ฌด์ ์ธ ๋ฌธ์ ๋ ๋ ๊ฐ์ง๊ฐ ๋ ์์ต๋๋ค. ํ๋์ ํ์ ์ซ์, ๋ฒ์ฃผ, ์์, ๊ฒฐ์ธก๊ฐ์ด ๋ค์์ฌ ์์ ์ ์๊ณ , ๋๋ถ๋ถ์ ๋น์ฆ๋์ค ํ๋ ์๋ฐฑ ๋๋ ์์ฒ ํ์ ๋ถ๊ณผํด, ์ฒ์๋ถํฐ ์ ๊ฒฝ๋ง์ ํ์ต์ํค๊ธฐ์๋ ๋๋ฌด ์์ต๋๋ค.
๊ฐ์ฅ ์ค์ํ ๋ฌธ์ ๋ ์์ ๋ฐ์ดํฐ์ ์ด๋ผ๊ณ ์๊ฐํฉ๋๋ค. 800ํ์ผ๋ก ์ฒ์๋ถํฐ ํ์ตํ ์ ๊ฒฝ๋ง์ ๊ธฐ๋ํ ๋ฐํ์ง์์ด ์์ง๋ง, ํธ๋ฆฌ๋ ์ ํ ์ง์ ์์ด๋ ๋์ํฉ๋๋ค.
์ฌ์ ํ์ต์ ์ ํํ ์ด ์ ์ ํด๊ฒฐํ์ต๋๋ค. ํํ ๊ธฐ๋ฐ ๋ชจ๋ธ์ ์ฌ๋ฌ๋ถ์ ํ๋ฅผ ๋ณด๊ธฐ ์ ์ ์ด๋ฏธ ์๋ฐฑ๋ง ๊ฐ์ ์๊ณ ์ง์ ๋ถํ ๊ฐ์ง ํ๋ก ์ฐ์ต์ ๋ง์ณค๊ธฐ ๋๋ฌธ์, ๋ฐฑ์ง ์ํ์์ ์์ํ์ง ์์ต๋๋ค.
ํํ ๊ธฐ๋ฐ ๋ชจ๋ธ์ ์ด๋ป๊ฒ ๋์ํ๋?
ํํ ๊ธฐ๋ฐ ๋ชจ๋ธ์ ๋ผ๋ฒจ์ด ์๋ ํ์ต ํ๊ณผ ๋ผ๋ฒจ์ด ์๋ ํ ์คํธ ํ์ ํ๋์ ์ ๋ ฅ์ผ๋ก ํจ๊ป ๋ฐ์, ํ ๋ฒ์ ์์ ํ๋ก ๋๋ฝ๋ ๋ผ๋ฒจ์ ์์ธกํฉ๋๋ค. ๊ฐ์ค์น๋ ๋ฐ๋์ง ์์ต๋๋ค. ํ๋กฌํํธ์ ๋ช ๊ฐ ์์๋ฅผ ์ฃผ๋ฉด ๋ต์ ๋ด๋ LLM๊ณผ ๊ฐ์ต๋๋ค.
์ด๋ก ์ธํด ์ต์ํ scikit-learn ๋ฉ์๋์ ์๋ฏธ๋ ๋ฌ๋ผ์ง๋๋ค.
TabICL์์ .fit()์ ํธ์ถํ๋ฉด, TabICL ๋ฌธ์์ ๋ฐ๋ฅด๋ฉด ์ฌ์ ํ์ต ์ฒดํฌํฌ์ธํธ๋ฅผ ๋ถ๋ฌ์ค๊ณ , ๋ฐ์ดํฐ๋ฅผ ์ ์ฒ๋ฆฌํด ์ ์ฅํฉ๋๋ค. ์ค์ ์์ ์ .predict() ์ค์ ์ผ์ด๋ฉ๋๋ค.
.fit()์ด๋ผ๋ ์ด๋ฆ์ ์ ์งํ๋ ์ด์ ๋ ๊ธฐ์กด scikit-learn ์ฝ๋์ ๊ทธ๋๋ก ๋ผ์ ๋ฃ๊ธฐ ์ํด์์ ๋๋ค.
๊ทธ๋ฆผ 1: TabPFN์ ์๋ฐฑ๋ง ๊ฐ์ ํฉ์ฑ ๋ฐ์ดํฐ์ ์ผ๋ก ์ฌ์ ํ์ตํ ๋ค, ์ค์ ํ๋ฅผ ํ ๋ฒ์ ์์ ํ๋ก ์์ธกํฉ๋๋ค. ์๋ ํจ๋์ ํน์ง๊ณผ ์ํ์ ๊ต์ฐจ๋ก ์ฃผ์๋ฅผ ๊ธฐ์ธ์ด๋ ๋ฐฉ์์ ๋ณด์ฌ์ค๋๋ค. ์ถ์ฒ: Hollmann ์ธ, โAccurate predictions on small data with a tabular foundation modelโ, Nature (2025).
ํฉ์ฑ ์ฌ์ ํ์ต
ํฉ์ฑ ์ฌ์ ํ์ต์ ์ค์ ํ ๋์ , ์์ฑ ๋ชจ๋ธ์ฒ๋ผ ๋์ํ๋ ๋ฐ์ดํฐ ์์ฑ๊ธฐ๋ก ๋ง๋ ๊ฐ์ง ํ๋ก ๋ชจ๋ธ์ ํ์ต์ํค๋ ๊ฒ์ ๋๋ค.
๋นํ ์๋ฎฌ๋ ์ดํฐ์์ ํ๋ จํ๋ ์กฐ์ข ์ฌ๋ฅผ ๋ ์ฌ๋ ค ๋ณด์ธ์. ์กฐ์ข ์ฌ๋ ๋ ์จ, ๊ณตํญ, ๊ณ ์ฅ ์ํฉ์ด ์ ๊ฐ๊ฐ์ธ ์์ฒ ๋ฒ์ ๊ฐ์ง ๋นํ์ ์ฐ์ตํด, ์ฒซ ์ค์ ๋นํ์ด ๋ฏ์ค์ง ์๊ฒ ํฉ๋๋ค.
TabPFN๋ ๋น์ทํ๊ฒ ๋์ํฉ๋๋ค.
์ฐ๊ตฌ์ง์ ์ปฌ๋ผ ๊ฐ์ ๋ฌด์์ โ์์ธ๊ณผ ๊ฒฐ๊ณผโ ๊ท์น(์: A ์ปฌ๋ผ์ด B ์ปฌ๋ผ์ ์ํฅ์ ์ฃผ๊ณ , B๊ฐ ํ๊น์ ์ํฅ์ ์ฃผ๋ ์)์ ๋ง๋ค์ด ๋ด๋ ์์ฑ๊ธฐ๋ฅผ ์์ฑํ๊ณ , ๊ทธ ๊ท์น์ผ๋ก ํ์ ์์ฑํฉ๋๋ค.
์ฌ์ ํ์ต ๋์์๋ ํ๊น ์ปฌ๋ผ์ ์จ๊ธฐ๊ณ , ๋ชจ๋ธ์ด ์ด๋ฅผ ์์ธกํ๋๋ก ํ๋ฉฐ, ์ด ๊ณผ์ ์ ๊ท์น, ๋ ธ์ด์ฆ ์์ค, ํ ํฌ๊ธฐ๋ฅผ ๋ฐ๊ฟ ๊ฐ๋ฉฐ ์๋ฐฑ๋ง ๋ฒ ๋ฐ๋ณตํฉ๋๋ค.
์ค์ํ ์ ์, ๋ชจ๋ธ์ด ์ด๋ค ์ค์ ์ฃผ์ ์ ๋ํ ์ฌ์ค์ ๋ฐฐ์ฐ๋ ๊ฒ์ด ์๋๋ผ๋ ๊ฒ์ ๋๋ค. ๋์ ์ด๋ค ์ปฌ๋ผ์ด ์ค์ํ์ง ํ์ ํ๊ณ , ์ด์์น๋ฅผ ๋ค๋ฃจ๊ณ , ํ์ ์ด ์์ง ์์ ๋๋ฅผ ์๋ ๋ฑ ์ผ๋ฐ ๊ธฐ์ ์ ์ตํ๋๋ค.
์ค์ ๋ก TabICLv2 ๋ ผ๋ฌธ์ ์ฑ๋ฅ ํฅ์์ ํต์ฌ ์ด์ ๋ก ์๋ก์ด ํฉ์ฑ ๋ฐ์ดํฐ ์์ฑ๊ธฐ๋ฅผ ๊ผฝ์ต๋๋ค.
ํ๋ฅผ ์ฝ๋ ๋ ๊ฐ์ง ๋ฐฉ์
์ธ๋ถ ๊ตฌ์กฐ๋ฅผ ์ ๋ถ ์ดํดํ ํ์๋ ์์ง๋ง, ๋ ๊ฐ์ง ์ฃผ์ ์ค๊ณ๊ฐ ์๋ค๋ ์ ์ ์์๋๋ฉด ์ข์ต๋๋ค.
๋ ๊ณ์ด ๋ชจ๋ ํฉ์ฑ ๋ฐ์ดํฐ๋ก ํ์ต๋๋ฏ๋ก, โ์ฌ์ ์ ํฉ ๋คํธ์ํฌโ๋ ๋ณ๋์ ๋ชจ๋ธ ์ ํ์ด ์๋๋ผ ํ์ต ๋ฐฉ์์ ์ค๋ช ํ๋ ์ฉ์ด๋ผ๋ ์ ์ ์ ์ํ์ธ์.
๊ทธ๋ฆผ 2: TabFM์ ๋ ์ค๊ณ๋ฅผ ํผํฉํฉ๋๋ค. ํ/์ด ๋ฐฉํฅ์ TabPFN์ ์ดํ ์ , ์ดํ TabICL์ ํ ์์ถ, ๊ทธ๋ฆฌ๊ณ ๋๋ฝ ๋ผ๋ฒจ์ ๋ํ ์ธ์ปจํ ์คํธ ๋ฌ๋. ์ถ์ฒ: Google Research, โIntroducing TabFM: A zero-shot foundation model for tabular dataโ (2026).
๋ฐ์ : ์์ธก์ด ๋ ๋๋ ค์ง๋ค
๋ง์ ์ฌ๋์ด ๋์น๋ ํธ๋ ์ด๋์คํ๊ฐ ์์ต๋๋ค.
XGBoost๋ ํ ๋ฒ ์๊ฐ์ ๋ค์ฌ ํ์ตํ๊ณ , ์ดํ์๋ ๊ฑฐ์ ์ฆ์ ์์ธกํฉ๋๋ค.
ํํ ๊ธฐ๋ฐ ๋ชจ๋ธ์ ํ์ต์ ๊ฑด๋๋ฐ์ง๋ง, ์์ธกํ ๋๋ง๋ค ํ์ต ํ ์ ๋ถ๋ฅผ ๋ค์ ์ฝ์ด์ผ ํฉ๋๋ค.
์๋น์ค ์ ์ค๋น๋ฅผ ์ ํ ํ์ง ์๊ณ , ์ฃผ๋ฌธ๋ง๋ค ๋ ์ํผ ์ฑ ์ ์ฒ์๋ถํฐ ๋๊น์ง ๋ค์ ์ฝ๋ ์ ฐํ๋ฅผ ๋ ์ฌ๋ ค ๋ณด์ธ์.
์ฑ ์ด ์์ ๋๋ ๊ด์ฐฎ์ง๋ง, ๋ฐ์ดํฐ์ ์ด ์ปค์ง์๋ก ์์ธก์ ๋๋ ค์ง๋๋ค. TabICL๊ณผ TabPFN ๋ชจ๋ ํ์ต ๋ฐ์ดํฐ์ ๋ํ โ์ฝ๊ธฐโ๋ฅผ ์บ์ํด ๋ฐ๋ณต ์์ธก์ ๊ฐ์ํ ์ ์์ง๋ง, ์ฒซ ๋ฒ์งธ ํจ์ค์๋ ์ฌ์ ํ ์๊ฐ์ด ๋ญ๋๋ค.
2026๋ ์ ํต์ฌ ํํ ๊ธฐ๋ฐ ๋ชจ๋ธ์?
2026๋ ์ ํต์ฌ ํํ ๊ธฐ๋ฐ ๋ชจ๋ธ์ TabPFN, TabICLv2, Google์ TabFM, Fundamental์ NEXUS, H2O.ai์ tabH2O์ ๋๋ค. ํฅ๋ฏธ๋ก์ด ์ ์ ๋น์ฆ๋์ค ์ ๊ฐ ์๋์ ๋๋ค. ๋ถ๊ณผ 5๊ฐ์ ๋ง์ ํ๊ณ ๋ ผ๋ฌธ์์ ๋ํ ๊ฑฐ๋๋ก ์ด์ด์ก์ต๋๋ค. ๊ฐ๋จํ ํ์๋ผ์ธ์ ๋ค์๊ณผ ๊ฐ์ต๋๋ค.
์ด์ ๋ชจ๋ ๊ฒ์ ์์ํ ๋ชจ๋ธ๋ถํฐ ์ฐจ๋ก๋ก ์ดํด๋ณด๊ฒ ์ต๋๋ค.
TabPFN(Prior Labs, ํ์ฌ SAP ์์)
TabPFN์ ์ด ์นดํ ๊ณ ๋ฆฌ๋ฅผ ๋ง๋ ๋ชจ๋ธ์ ๋๋ค. TabPFN-2๋ 2025๋ 1์ Nature์ ์ค๋ ธ๊ณ , ์ต๋ 10,000ํ ๋ฐ์ดํฐ์ ์์ ํ๋ํ ํธ๋ฆฌ ๊ธฐ๋ฐ ๋ชจ๋ธ์ ์ด๊ฒผ์ต๋๋ค.
๊ทธ ์ดํ Prior Labs๋ ๋น ๋ฅด๊ฒ ์ ๋ฒ์ ์ ๋ด๋์์ต๋๋ค. TabPFN-3๋ 2026๋ 5์์ ๊ณต๊ฐ๋์๊ณ ์ต๋ 100๋ง ํ(์ต๋ 200 ํน์ง)๊น์ง ์ฒ๋ฆฌํฉ๋๋ค. ๋ํ Thinking ๋ชจ๋(์ ๋ฃ API)๋ฅผ ์ถ๊ฐํด, ์ ํฉ ๋จ๊ณ์์ ๋ ๋ง์ ์๊ฐ์ ๋ค์ฌ ๋ ๋์ ์์ธก์ ์ ๊ณตํฉ๋๋ค.
์ต์ ๋ฒ์ TabPFN-3.5๋ 2026๋ 9์์ ๋์๊ณ , ๊ธฐ์ ๋ณด๊ณ ์๋ ์๊ฐ ์์ํ๊ณผ ๊ทธ๋ฃนํ ๋ฐ์ดํฐ๋ฅผ ํฌํจํ ์ฌ๋ฌ ์ฃผ์ ๋ฒค์น๋งํฌ์์ 1์๋ฅผ ์ฃผ์ฅํฉ๋๋ค. ์ธ๋ถ ๊ฒ์ฆ ์ ๊น์ง๋ ์์ฌ ์์น๋ก ๋ณด๋ ๊ฒ์ด ์์ ํฉ๋๋ค.
๋ผ์ด์ ์ค๋ ์ฃผ์ํ ์ ์ ๋๋ค. TabPFN-2๋ ์ถ์ฒ ํ๊ธฐ๋ง ํ๋ฉด ์์ ์ ์ฌ์ฉ์ด ๊ฐ๋ฅํ์ง๋ง, 2.5~3.5 ๋ฒ์ ์ ๋น์์ ์ฉ์ ๋๋ค. ์ฆ, ๋ฌด๋ฃ๋ก ์คํ์ ๊ฐ๋ฅํ๋, ์ค์ ์ ํ์ ์ฐ๋ ค๋ฉด ์ ๋ฃ ๋ผ์ด์ ์ค๊ฐ ํ์ํฉ๋๋ค.
TabICLv2(Inria)
TabICLv2๋ ํ์ฌ ์์ ๊ฐ๋ฐฉํ์ผ๋ก๋ ๊ฐ์ฅ ๋ฐ์ด๋ ํํ ๊ธฐ๋ฐ ๋ชจ๋ธ์ ๋๋ค. Inria์์ ๊ฐ๋ฐ๋์ด 2026๋ 2์ ๊ณต๊ฐ, ICML 2026์ ์ฑํ๋์์ต๋๋ค.
TabICLv2 ๋ ผ๋ฌธ์ ํต์ฌ ๊ฒฐ๊ณผ๋, ์ด๋ค ํ๋๋ ์์ด, ์ด์ ์ต๊ณ ๋ชจ๋ธ์ด์๋ RealTabPFN-2.5(ํ๋, ์์๋ธ, ์ค๋ฐ์ดํฐ ๋ฏธ์ธ์กฐ์ ๊น์ง ํ ๋ชจ๋ธ)๋ฅผ ๋ฅ๊ฐํ๋ค๋ ์ ์ ๋๋ค.
GitHub ์ ์ฅ์์ ๋ฐ๋ฅด๋ฉด, TabArena ๋ฒค์น๋งํฌ์์ ๋๋์ ์ผ๋ก ํ๋ํ XGBoost, CatBoost, LightGBM์ ์ฝ 80%์ ๋ฐ์ดํฐ์ ์์ ์ด๊น๋๋ค.
์๋๋ ๋น ๋ฆ ๋๋ค. H100 GPU์์ 5๋ง ํ, 100 ํน์ง์ 10์ด ์ด๋ด์ ์ฒ๋ฆฌํ๋ฉฐ, ์ด๋ TabPFN-2.5๋ณด๋ค ์ฝ 10๋ฐฐ ๋น ๋ฆ ๋๋ค.
300~10๋ง ํ์์ ์ต์ ์ผ๋ก ๋์ํ๊ณ , ์ ํ๋ ์์ค์ ๊ฐ์ํ๋ฉด ์ฝ 50๋ง ํ๊น์ง ํ์ฅํ ์ ์์ต๋๋ค.
์ ์๊ฐ์, ๋๋ถ๋ถ์ ๋ ์์๊ฒ ๊ฐ์ฅ ๋จผ์ ์จ ๋ณผ ๋งํ ๋ชจ๋ธ์ ๋๋ค.
pip install tabicl๋ก ์ค์นํ๊ณ , ์ผ๋ฐ scikit-learn ๋ชจ๋ธ์ฒ๋ผ ์ฐ๋ฉด ๋๋ฉฐ, ๊ด๋ํ ๋ผ์ด์ ์ค๋ก ๊ฐ์ ์ ์ฐจ ์์ด ์์ ์ ์ผ๋ก๋ ์ฌ์ฉํ ์ ์์ต๋๋ค. ๋ค๋ง ๋ฆฌ๋๋ณด๋๋ ๋น ๋ฅด๊ฒ ๋ณํ๊ณ ์์ผ๋ฉฐ, TabPFN-3.5์ ๋ณด๊ณ ์๋ ํ์ฌ TabICLv2๋ณด๋ค ์์ ๋ค๊ณ ์ํํฉ๋๋ค.Google TabFM
TabFM์ Google Research์ ํํ ๊ธฐ๋ฐ ๋ชจ๋ธ๋ก, 2026๋ 6์ 30์ผ ๊ณต๊ฐ๋์์ต๋๋ค. ์ฐจ๋ณ์ ์ ์ฌ์ฉ ์์น์ ๋๋ค. Google์ ํด๋ผ์ฐ๋ ๋ฐ์ดํฐ ์จ์ดํ์ฐ์ค์ธ BigQuery์ ๋ด์ฅ๋์ด ์์ด, ์์ SQL๋ง์ผ๋ก ์์ธก์ ๋ฐ์ ์ ์์ต๋๋ค.
Python๋ณด๋ค SQL์ ์ต์ํ ๋ถ๋ค๊ป ํ๋ฅญํฉ๋๋ค.
๋ค๋ง ํ์ฌ BigQuery ๋ฌธ์์๋ ํน์ง ์ปฌ๋ผ 20๊ฐ, ํด๋์ค 10๊ฐ ์ ํ์ด ์๊ณ , 2026๋ 10์ 30์ผ๋ถํฐ ํ์ค BigQuery ์๊ธ์ ํ ํฐ ๊ธฐ๋ฐ ๊ณผ๊ธ์ด ์ถ๊ฐ๋ ์์ ์ ๋๋ค. Hugging Face์ ๋ชจ๋ธ ๊ฐ์ค์น๋ ๋น์์ ์ฉ์ด๋ฏ๋ก, ์์ ์ ์ฌ์ฉ์ BigQuery๋ฅผ ํตํด ์ด๋ค์ง๋๋ค.
Fundamental NEXUS
NEXUS๋ ์ DeepMind ์ฐ๊ตฌ์๋ค์ด ์ฐฝ์ ํ ์ํ๋์์ค์ฝ ์คํํธ์ Fundamental์ ํ์ํ, ์ํฐํ๋ผ์ด์ฆ ์ ์ฉ ๋ชจ๋ธ์ ๋๋ค. 2026๋ 2์ 2์ต 5,500๋ง ๋ฌ๋ฌ ํฌ์์ ํจ๊ป ์ถ์๋์๊ณ , ์์ฌ๋ ์ด๋ฅผ ๋ํ ํํ ๋ชจ๋ธ(LTM)์ด๋ผ ๋ถ๋ฆ ๋๋ค.
๊ธฐ์ ์ AWS๋ฅผ ํตํด NEXUS๋ฅผ ๊ตฌ๋งคยท์ด์ํ๋ฉฐ, Fundamental์ Fortune 100 ๊ธฐ์ ๋ค์ด ์ด๋ฅผ ์์ ์์ธก, ๊ฐ๊ฒฉ ์ฑ ์ , ์ดํ ์์ธก์ ์ด๋ฏธ ์ฌ์ฉ ์ค์ด๋ผ๊ณ ๋ฐํ๋๋ค. ๋ค๋ง ๊ณต๊ฐ ๊ฐ์ค์น๋ ์์ฒด ๊ฒ์ฆ ๊ฐ๋ฅํ ๋ฒค์น๋งํฌ ๊ฒฐ๊ณผ๊ฐ ์์ผ๋ฏ๋ก, ์ํฐํ๋ผ์ด์ฆ ์ต์ ์ผ๋ก ๋ณด๋ ๊ฒ์ด ํ๋นํฉ๋๋ค.
H2O.ai tabH2O
tabH2O๋ H2O.ai์ ๋ชจ๋ธ๋ก, ํต์ฌ ์์ด๋์ด๋ ๋จ์ํฉ๋๋ค. ๋ฐ์ดํฐ๋ฅผ ๋ณด๋ด๋ฉด, ์์ธก์ ๋๋ ค์ค๋ค.
๊ฒฐ์ธก๊ฐ๊ณผ ๋ฒ์ฃผํ์ ์์์ ์ ๋ฆฌํด ์ฃผ๋ฉฐ, ๋ณ์ยท์ํ์ฒ๋ผ ํด๋ผ์ฐ๋๋ก ๋ฐ์ดํฐ๋ฅผ ๋ณด๋ผ ์ ์๋ ๊ธฐ๊ด์ ์ํด ์จํ๋ ๋ฏธ์ค ์คํ๋ ๊ฐ๋ฅํฉ๋๋ค.
์ข์ ์ ์ tabH2O ๋ ผ๋ฌธ์ด ๊ณผ์ฅํ์ง ์๋๋ค๋ ๊ฒ์ ๋๋ค. TALENT ๋ฒค์น๋งํฌ์์ ํ๋ํ CatBoost์ LightGBM์ ์ด๊ฒผ์ง๋ง, ์ฌ์ ํ TabICLv2์๋ ๋ค์ฒ์ก์ต๋๋ค.
ํต์ฌ ๋ชจ๋ธ ์์ฝ
Python์์ ํํ ๊ธฐ๋ฐ ๋ชจ๋ธ์ ์ด๋ป๊ฒ ์ฐ๋?
ํํ ๊ธฐ๋ฐ ๋ชจ๋ธ์ Python์์ ๋ค๋ฅธ scikit-learn ๋ชจ๋ธ๊ณผ ์์ ํ ๋์ผํ๊ฒ ์ฌ์ฉํฉ๋๋ค.
๋ฌด์์ด ์ฅ์ ์ธ์ง ๋ณด๋ ค๋ฉด XGBoost์ ์ ๋ฉด ๋น๊ตํ๋ ๊ฒ์ด ๊ฐ์ฅ ์ข์ต๋๋ค. scikit-learn ๋ด์ฅ ์ ๋ฐฉ์ ๋ฐ์ดํฐ์ ์ผ๋ก ํด ๋ณด๊ฒ ์ต๋๋ค.
๋จผ์ ํจํค์ง๋ฅผ ์ค์นํฉ๋๋ค.
๊ทธ๋ค์ ๊ฐ์ ๋ถํ ์์ ๋ ๋ชจ๋ธ์ ์คํํฉ๋๋ค.
์ด ์์ ๋ฐ์ดํฐ์ ์ ์ผ๋ฐ ๋ ธํธ๋ถ CPU์์๋ ์ ๋์๊ฐ๋๋ค.
์ด์ฒ๋ผ ๊นจ๋ํ ๋ฐ์ดํฐ์์๋ ๋ ๋ชจ๋ธ ๋ชจ๋ ์ ์๊ฐ ๋งค์ฐ ๋๊ฒ ๋์ฌ ๊ฒ์ ๋๋ค. ํ ๋ฒ์ ๋ถํ ๊ฒฐ๊ณผ๋ก ํ๋จํ์ง ๋ง์ธ์. ์ง์ง ์ํ๋๋ ์ฌ๋ฌ๋ถ์ ์ง์ ๋ถํ ์ค์ ๋ฐ์ดํฐ์ ๋๋ค.
๋์ TabPFN์ ์จ ๋ณด๊ณ ์ถ๋ค๋ฉด
pip install tabpfn์ ์คํํ ๋ค, ๋ ์ค๋ง ๋ฐ๊พธ๋ฉด ๋ฉ๋๋ค.์ค์ ๋ฐ์ดํฐ์์ ๋ชจ๋ธ์ ๋น๊ตํ๊ธฐ ์ ๋ฐ๋์ ๊ธฐ์ตํ ์ ์ด ํ๋ ์์ต๋๋ค.
๋ฐ์ดํฐ์ ๋ ์ง๊ฐ ์๋ค๋ฉด, ๋ฌด์์๊ฐ ์๋๋ผ ์๊ฐ ๊ธฐ์ค์ผ๋ก ๋ถํ ํ์ธ์. ๊ทธ๋ ์ง ์์ผ๋ฉด ๋ชจ๋ธ์ด ๋ฏธ๋๋ฅผ ์ฟ๋ณด๊ฒ ๋ฉ๋๋ค. ๊ทธ๋ฆฌ๊ณ ๋ฐ๋ก ๋ค์ ์น์ ์์ ๋ณด๊ฒ ์ง๋ง, ๊ทธ ์ง์ ์ด ํํ ๊ธฐ๋ฐ ๋ชจ๋ธ์ด ์ค์ ๋ณด๋ค ๋ ์ข์ ๋ณด์ด๋ ์ง์ ์ ๋๋ค.
ํํ ๊ธฐ๋ฐ ๋ชจ๋ธ์ ๊ฐ์ ๊ณผ ์ฝ์
ํํ ๊ธฐ๋ฐ ๋ชจ๋ธ์ ๋ฐ์ดํฐ์ ์ด ์๊ฑฐ๋ ์ค๊ฐ ๊ท๋ชจ์ด๊ณ , ํ ์คํธ ํ์ด ํ์ต ํ๊ณผ ์ ์ฌํ ๋ ์ ๋์ํฉ๋๋ค. ์๊ฐ ์์ํ ๋ฐ์ดํฐ, ๊ทธ๋ฃนํ ๋ฐ์ดํฐ, ๋งค์ฐ ํฐ ํ, ์๊ฒฉํ ์ค๋ช ๊ฐ๋ฅ์ฑ ์๊ตฌ์์๋ ์ด๋ ค์์ ๊ฒช์ต๋๋ค.
โํ ์คํธ ํ์ด ํ์ต ํ๊ณผ ์ ์ฌํ๋คโ๋ ๊ฐ๋ ์ IID(๋ ๋ฆฝ์ด๊ณ ๋์ผ ๋ถํฌ)๋ผ๊ณ ๋ถ๋ฅด๋ฉฐ, ๋ฐ์ดํฐ์์ ๊ฐ์ฅ ๋จผ์ ํ์ธํด์ผ ํ ํต์ฌ ์กฐ๊ฑด์ ๋๋ค.
๋จผ์ ์ ๋ง๋ ๊ฒฝ์ฐ๋ถํฐ ๋ณด๊ฒ ์ต๋๋ค.
์ด์ ์ค์ ํ๋ก์ ํธ ๊ณํ ์ ๋ ์ค์ํ ์ ์๋ ํ๊ณ๋ฅผ ๋ณด๊ฒ ์ต๋๋ค.
๋ฐ์ดํฐ๊ฐ IID๋ผ๊ณ ๊ฐ์ ํ๋ค
2026๋ 6์ ๊ณต๊ฐ๋ BeyondArena ๋ฒค์น๋งํฌ๋ ์๊ฐ ๊ธฐ์ค ๋ถํ (๊ณผ๊ฑฐ๋ก ๋ฏธ๋ ์์ธก)๊ณผ ๊ทธ๋ฃน ๊ธฐ์ค ๋ถํ (์ ๋ณ์์ด๋ ๊ตญ๊ฐ์ ๋ํ ์์ธก)์ ํฌํจํ 142๊ฐ ๋ฐ์ดํฐ์ ์์ 11๊ฐ ๋ชจ๋ธ์ ํ ์คํธํ์ต๋๋ค.
๊ฒฐ๊ณผ๋ ํํ ๊ธฐ๋ฐ ๋ชจ๋ธ์ด ์๊ณ ์ค๊ฐ ํฌ๊ธฐ์ IID ๋ฐ์ดํฐ์์ ๊ฐ์ฅ ์ฑ๊ณผ๊ฐ ์ข๊ณ , ์๊ฐ ์์ํยท๊ทธ๋ฃนํยท๋๊ท๋ชจยท์ด๊ด๋์ญ ๋ฐ์ดํฐ์์๋ ํธ๋ฆฌ ๊ธฐ๋ฐ์ด๋ ๋ค๋ฅธ ๋ฅ๋ฌ๋ ๋ชจ๋ธ์ด ์์ ๋ค๋ ๊ฒ์ ๋๋ค. ๋๋ถ๋ถ์ ๋น์ฆ๋์ค ๋ฐ์ดํฐ(๋งค์ถ, ์ฌ๊ธฐ, ์ดํ)๊ฐ ์๊ฐ ์์ํ์ด๋ฏ๋ก, ์ด ํ๊ณ๋ ์ค์ ํ๋ก์ ํธ์์ ์์ฃผ ๋๋ฌ๋ฉ๋๋ค.
BeyondArena ์ดํ ๊ณต๊ฐ๋ TabPFN-3.5๋ ์๊ฐ ์์ํ๊ณผ ๊ทธ๋ฃนํ ๋ฐ์ดํฐ์์ ์ด ๊ฒฉ์ฐจ๋ฅผ ์ขํ๋ค๊ณ ์ฃผ์ฅํฉ๋๋ค. ๊ณ ๋ฌด์ ์ด์ง๋ง, ์์ง ๋ ๋ฆฝ์ ์ธ ๊ฒ์ฆ์ ์์ต๋๋ค.
์ค๋ช ์ด ๋ ์ด๋ ต๋ค
TabICL๊ณผ TabPFN ๋ชจ๋์์ SHAP ๊ฐ์ ๊ตฌํ ์ ์์ง๋ง, ํธ๋ฆฌ ๋ชจ๋ธ์ SHAP๋ณด๋ค ํจ์ฌ ์ค๋ ๊ฑธ๋ฆฌ๊ณ , ์ดํด๋ณผ ํธ๋ฆฌ ๋ถํ ๋ ์์ต๋๋ค. ๊ท์ ๊ฐ ์์ด ๋ชจ๋ธ์ ์ดํดํด์ผ ํ๋ ์ ์ฉํ๊ฐ ๊ฐ์ ๋ถ์ผ์์๋ ์ค์ ๋ฌธ์ ์ ๋๋ค.
์์ธก ์ ๋ ๋ง์ ์ฐ์ฐ์ ์ํ๋ค
์์ฒ ํ์ ๋๊ธฐ๋ฉด GPU๊ฐ ์ฌ์ค์ ํ์ํ๊ณ , ํ์ต ๋ฐ์ดํฐ๊ฐ ํด์๋ก ์์ธก์ด ๋๋ ค์ง๋๋ค. CPU์์์ ํ์ต๋ XGBoost ๋ชจ๋ธ์ ์๋ ๋ฉด์์ ์ธ์ ๋ ์น๋ฆฌํฉ๋๋ค.
๋ผ์ด์ ์ค๊ฐ ์ ๊ฐ๊ฐ์ด๋ค
TabPFN-2๋ ์ถ์ฒ ํ๊ธฐ๋ฅผ ์ ์ ๋ก ์์ ์ฉ ๊ฐ๋ฅ, ์ต์ TabPFN ๋ฒ์ ์ ๋น์์ ์ฉ, TabFM ๊ฐ์ค์น๋ ๋น์์ ์ฉ, TabICLv2๋ ๊ด๋ํฉ๋๋ค.
๊ทธ๋ฆผ 3: ๋ชจ๋ธ ๊ณ์ด๋ณ Elo(๋์์๋ก ์ฐ์). ํํ ๊ธฐ๋ฐ ๋ชจ๋ธ์ ์์ IID ๋ฐ์ดํฐ์์ ์ ๋ํ์ง๋ง, ์๊ฐํ๊ณผ ๋๊ท๋ชจ ๋ฐ์ดํฐ์์๋ ํ๋ฝํ๋ฉฐ ํธ๋ฆฌ์ MLP๊ฐ ๋ ์ ๋ฒํ๋๋ค. ํ๋์์ ์ต์ TabPFN์ด ์๋ TabICLv2, TabPFN-2.6, TabDPT ์ค ์ต๊ณ ๋ฅผ ์๋ฏธํฉ๋๋ค. ์ถ์ฒ: Purucker ์ธ, โBeyond IID: How General Are Tabular Foundation Models, Really?โ (2026), CC BY 4.0.
๋ฐ๋ผ๊ฑด๋, ํํ ๊ธฐ๋ฐ ๋ชจ๋ธ์ด โ๋น ๋ฅด๊ณ ์์ฌ์ด ๊ธฐ์ค์ โ์ ์์ค์ ํ ๋จ๊ณ ๋์ด์ฌ๋ ธ๋ค๋ ์ ์๋ ๋์ํ์ค ๊ฒ๋๋ค. ํ์ง๋ง ์ฌ์ ํ ๋ง์ ์ค์ ์ํฉ์์ ํธ๋ฆฌ ๊ธฐ๋ฐ ๋ชจ๋ธ์ด ๋ ์ข์ ์ ํ์ ๋๋ค.
์ธ์ ํํ ๊ธฐ๋ฐ ๋ชจ๋ธ์ ์จ์ผ ํ๋?
๋ฐ์ดํฐ์ ์ด ์๊ฑฐ๋ ์ค๊ฐ ๊ท๋ชจ์ด๊ณ IID์ด๋ฉฐ, ์์ ํ ์ค๋ช ๊ฐ๋ฅ์ฑ์ด๋ CPU์์์ ๋งค์ฐ ๋น ๋ฅธ ์์ธก์ด ํ์ํ์ง ์์ ๋ ํํ ๊ธฐ๋ฐ ๋ชจ๋ธ์ ์ฌ์ฉํ์ธ์. ์ ๊ฐ ๊ถํ๋ ์์ฌ๊ฒฐ์ ํ๋ ๋ค์๊ณผ ๊ฐ์ต๋๋ค.
๋ชจ๋ธ์ ๊ณ ๋ฅด๊ธฐ ์ ์, ๋ค์ ์ธ ๊ฐ์ง๋ฅผ ์๋ฌธํด ๋ณด์ธ์.
๋ง์ง๋ง์ผ๋ก ๊ผญ ์ ํ๊ณ ์ถ์ ์ ์ด ์์ต๋๋ค. ํํ ๊ธฐ๋ฐ ๋ชจ๋ธ์ ๋จผ์ ๋๋ ค ๋ณด์ธ์. ๋ช ๋ถ๋ฐ์ ๋ค์ง ์์ต๋๋ค. ๋ง์ฝ ์ฌ๋ฌ๋ถ์ ๋ฐ์ดํฐ์์ XGBoost๋ฅผ ์ด๊ธฐ์ง ๋ชปํ๋ค๋ฉด, ์ด์ ํน์ง ์์ง๋์ด๋ง๊ณผ XGBoost ํ๋์ ์๊ฐ์ ์ธ ๊ฐ์น๊ฐ ์์์ ์๊ฒ ๋ ๊ฒ์ ๋๋ค.
๋งบ์๋ง
๊ธ์ ์๋์ ๋ฑ์ฅํ ๋ ํ์์ ๊ธฐ์ตํ์๋์? 2026๋ , ์๋ฐฑ๋ง ๊ฐ์ ์ํ์ ์ฐ์ตํ ๋ ๋ฒ์งธ ํ์์ด, ์ ์ด๋ ์๊ณ ์ค๊ฐ ๊ท๋ชจ์ ํ์์๋, ๋ช ์ฃผ๊ฐ ๊ณต๋ถํ ์ฒซ ๋ฒ์งธ ํ์์ ๋ง์นจ๋ด ์ด๊ธฐ๊ฒ ๋์์ต๋๋ค.
ํํ ๊ธฐ๋ฐ ๋ชจ๋ธ์ ๋ฐ์ดํฐ์ ๋ณ ํ์ต์ ์ฌ์ ํ์ต์ผ๋ก, fit()์ ์์ ๋ก๋ถํฐ์ ํ์ต์ผ๋ก ๋์ฒดํฉ๋๋ค.
๊ฐ์ฅ ๋๋ผ์ด ์ ์ ์ด ์์ญ์ด ์ผ๋ง๋ ๋นจ๋ฆฌ ๋ฐ์ ํ๋๊ฐ์ ๋๋ค. 2025๋ TabPFN-2๊ฐ ์์ ํ์์ ํ๋ํ ํธ๋ฆฌ๋ฅผ ์ด๊ธธ ์ ์์์ ์ฒ์ ๋ณด์๊ณ , ์ดํ TabICLv2์ TabPFN-3๊ฐ ๊ทธ ํ๊ณ๋ฅผ ํจ์ฌ ๋ ํฐ ํ๋ก ๋ฐ์ด ์ฌ๋ ธ์ต๋๋ค.
ํ์ฌ์ ์ด๋ฆฐ ๊ณผ์ ๋ ์๊ฐ ์์ํ ๋ฐ์ดํฐ, ๋ณํํ๋ ๋ฐ์ดํฐ, ์ค๋ช ๊ฐ๋ฅ์ฑ, ๋ผ์ด์ ์ค์ ๋๋ค. ์ด๋ ๋ชจ๋ธ์ด ์ค์ ์ ํ์ ๋ค์ด๊ฐ ์ ์๋์ง๋ฅผ ์ข์ฐํ๋ ์์์ด๊ธฐ๋ ํฉ๋๋ค.
๋ฐ๋ผ์ ์ ์กฐ์ธ์ ์ด๋ ์ต๋๋ค. ์ด ๋ชจ๋ธ๋ค์ ์๋ก์ด ์ถ๋ฐ์ ์ผ๋ก ์ผ๊ณ , ๋ฐ์ดํฐ, ์ ์ฝ, ๋ชจ๋ธ์ด ์คํ๋ ํ๊ฒฝ์ ๋ง์ถฐ ์ต์ข ๋๊ตฌ๋ฅผ ๊ณ ๋ฅด์ธ์.
๊ทธ๋ฆฌ๊ณ ์ฌ์ ํ ๋ง์ ์ค์ ์ํฉ์์ ์น๋ฆฌํ๋ ํธ๋ฆฌ ๊ธฐ๋ฐ ๋ชจ๋ธ์ ๋ง์คํฐํ๊ณ ์ถ๋ค๋ฉด, Machine Learning with Tree-Based Models in Python ์ฝ์ค์ Supervised Machine Learning in Python ํธ๋์ ํ์ธํ์ธ์. R์ ์ฌ์ฉํ๋ค๋ฉด, Machine Learning with Tree-Based Models in R์์ ๋์ผ ์ฃผ์ ๋ฅผ ๋ค๋ฃน๋๋ค.