AEPC(Adaptive Excess-Preserving Clipping): 극단값을 단순 절단하지 않고 초과 정보를 보존하는 전처리 전략정형 데이터 기반 회귀 모델을 학습하다 보면 자주 마주치는 문제가 있다. 바로 극단값(outlier)이다. 일부 feature는 대부분의 값이 특정 구간에 몰려 있지만, 소수의 값이 매우 크거나 매우 작게 나타난다. 이러한 극단값은 모델 학습 과정에서 손실을 크게 만들거나, 특정 변수의 영향력을 과도하게 키워 모델이 전체적인 데이터 경향을 안정적으로 학습하는 것을 방해할 수 있다.일반적으로 이러한 문제를 완화하기 위해 clipping을 적용한다. 가장 흔한 방식은 특정 분위수를 기준으로 값을 제한하는 Quantile Clipping이다. 하지만 Quantile Clip..
