실전에서 분류 모델링을 할 때 가장 어려운 점 중 하나는 학습 데이터를 확보하는 것입니다. 이게 비교적 쉬운 분야도 있지만, 대개의 경우 신뢰도 높은 학습 데이터를 확보하지 못해 애초에 프로젝트를 시작도 못하는 경우도 많습니다. 특히, 소위 fraud detection 이라고 부르는 분야는 라벨 데이터를 확보하기가 대단히 어렵습니다. 이로 인해 fraud detection 은 데이터 응용 분야 중 업계에서 가장 오래되었지만, 아직까지도 룰 기반의 탐지 방식에서 크게 벗어나지 못하고 있습니다. 이런 문제를 해결하기 위한 방안으로 최근에 연구되고 있는 것 중에 하나가 weak supervision 입니다. 기존에 분류 모델링은 라벨 데이터가 정확하다는 가정하에 이뤄지는데, weak supervision 은 신뢰도가 다소 떨어지더라도 좀 더 쉽게 라벨 데이터를 확보한 상태에서 어떻게 정확도가 높은 분류 모델을 생성할 수 있을지를 연구하는 분야입니다. 이 글은 weak supervision 용 라이브러리인 Snorkel 을 게임 부정 행위 탐지에 적용해 본 사례입니다.