# RepeatedKFold

**RepeatedKFold**(중복 K-폴드 교차 검증)는 머신러닝 모델의 성능을 평가할 때 사용되는 교차 검증(Cross-Validation) 기법 중 하나입니다. 기존의 K-폴드 교차 검증(K-Fold Cross-Validation)을 여러 번 반복하여 수행함으로써, 데이터의 분할 방식에 따른 편향(Bias)을 줄이고 모델 평가의 신뢰도를 높이는 것을 목적으로 합니다.

## 개요

일반적인 K-폴드 교차 검증은 전체 데이터를 $K$개의 동일한 크기의 부분 집합(폴드)으로 나눈 후, $K$번의 학습과 검증을 수행합니다. 이때 각 폴드는 정확히 한 번씩 검증 집합으로 사용되며, 나머지 $K-1$개는 학습 집합으로 사용됩니다. 그러나 단일 K-폴드 검증은 데이터의 무작위 분할(random split) 방식에 따라 평가 결과가 크게 달라질 수 있는 단점이 있습니다. 특히 데이터의 양이 적거나 불균형한 클래스가 존재할 경우, 특정 분할이 우연히 모델 성능에 유리하거나 불리하게 작용할 수 있습니다.

**RepeatedKFold**은 이러한 단점을 보완하기 위해, 기본 K-폴드 교차 검증을 $N$번 반복합니다. 각 반복마다 데이터를 다시 무작위로 분할하여 새로운 K-폴드를 구성하고 검증을 수행한 후, 최종적으로 모든 반복에서의 성능 지표를 평균(또는 중앙값)으로 계산합니다. 이를 통해 모델의 일반화 성능(Generalization Performance)을 더 안정적으로 추정할 수 있습니다.

## 주요 특징 및 동작 원리

### 1. 반복 구조 (Iteration Structure)
RepeatedKFold은 두 가지 주요 파라미터를 기반으로 동작합니다:
*   **n_splits ($K$)**: 각 반복에서 데이터를 나누는 폴드의 수입니다. 일반적으로 5 또는 10이 많이 사용됩니다.
*   **n_repeats ($N$)**: 전체 교차 검증을 반복할 횟수입니다.

총 검증 횟수는 $K \times N$이 됩니다. 예를 들어, `n_splits=5`, `n_repeats=3`인 경우, 총 15번의 학습-검증 과정이 수행됩니다.

### 2. 무작위성 및 재현성 (Randomness and Reproducibility)
각 반복마다 데이터가 무작위로 재분할되므로, `random_state` 파라미터를 설정하지 않으면 매 실행마다 다른 결과가 나올 수 있습니다. 과학적 실험의 재현성을 보장하기 위해 `random_state`에 고정된 정수 값을 할당하는 것이 권장됩니다.

### 3. 계산 비용
단일 K-폴드 검증에 비해 모델 평가에 필요한 계산 시간이 $N$배 증가합니다. 따라서 데이터셋의 크기가 매우 크거나 모델의 학습 시간이 긴 경우, 계산 자원에 대한 고려가 필요합니다.

## 사용 예시 (Python scikit-learn)

Python의 머신러닝 라이브러리인 `scikit-learn`에서는 `RepeatedKFold` 클래스를 통해 쉽게 구현할 수 있습니다.

```python
from sklearn.model_selection import RepeatedKFold
import numpy as np

# 데이터 예시 (가상의 특성 행렬 X와 타겟 벡터 y)
# X = np.array([[1, 2], [3, 4], ..., [n, m]])
# y = np.array([0, 1, ..., 1])

# RepeatedKFold 객체 생성
# n_splits: 폴드 수 (기본값 5)
# n_repeats: 반복 횟수 (기본값 10)
# random_state: 재현성을 위한 시드 값
rkf = RepeatedKFold(n_splits=5, n_repeats=3, random_state=42)

# 데이터 인덱스 생성
for train_index, test_index in rkf.split(X):
    # train_index: 학습 데이터 인덱스
    # test_index: 검증 데이터 인덱스
    X_train, X_test = X[train_index], X[test_index]
    y_train, y_test = y[train_index], y[test_index]
    
    # 모델 학습 및 평가 로직 구현
    # model.fit(X_train, y_train)
    # score = model.score(X_test, y_test)
    pass
```

## K-Fold와의 비교

| 특징 | K-Fold Cross-Validation | Repeated K-Fold Cross-Validation |
| :--- | :--- | :--- |
| **반복 횟수** | 1회 | $N$회 (사용자 정의) |
| **분할 방식** | 한 번의 무작위 분할 | $N$번의 독립적인 무작위 분할 |
| **편향 감소** | 상대적으로 낮음 | 높음 (분할에 의한 변동성 감소) |
| **계산 비용** | 낮음 | 높음 ($N$배 증가) |
| **적합한 상황** | 데이터가 충분하고 계산 자원이 제한적일 때 | 데이터가 적거나 평가 결과의 안정성이 중요할 때 |

## 활용 시 고려사항

1.  **데이터 크기**: 데이터셋이 매우 작은 경우, RepeatedKFold은 더 안정적인 성능 추정을 제공하지만, 계산 오버헤드가 상대적으로 커질 수 있습니다. 반대로 데이터가 매우 큰 경우, 전체 데이터를 여러 번 반복하여 검증하는 것이 비효율적일 수 있으므로, 단순 K-Fold이나 Hold-out 검증의 변형형을 고려할 수 있습니다.
2.  **클래스 불균형**: 분류 문제에서 클래스 불균형이 심한 경우, 단순 무작위 분할은 각 폴드에서 클래스 분포가 크게 달라질 수 있습니다. 이 경우 `RepeatedStratifiedKFold`과 같이 계층적(Hierarchical) 분할을 지원하는 변형 기법을 사용하는 것이 더 적합합니다.
3.  **시간적 데이터**: 시계열 데이터(Time Series Data)의 경우, 과거 데이터로 미래 데이터를 예측하는 것이 불가능하므로, RepeatedKFold과 같은 무작위 분할 기법은 사용해서는 안 됩니다. 대신 TimeSeriesSplit과 같은 순차적 분할 기법을 사용해야 합니다.

## 관련 문서 및 참고 자료

*   [K-Fold Cross-Validation](#)
*   [Stratified K-Fold](#)
*   [scikit-learn Model Evaluation documentation](https://scikit-learn.org/stable/modules/model_evaluation.html)
*   *Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow* (Aurélien Géron)