ScholarWorks@성균관대학교

초록

본 연구는 시계열 데이터의 이상치 탐지를 위한 딥러닝 모형의 최적의 초매개변수를 찾기 위한 다양한 교차 검증 방법들의 성능을 비교 분석하하였다. 가장 널리 쓰이는 소위 KF, TS, RW 교차 검증 방법을 대상으로, 서로 다른 이상치 패턴 (추세, 계절성, 쉐이플릿)을 가진 데이터셋에 대해 LSTM-AE, LSTM-VAE, USAD을 적용하여 탐지 성능과 학습 시간을 평가하였다. 합성 데이터와 실증 자료 모두 분석하여 비교한 결과, $F_1$ 스코어 기준으로 KF 검증 방법이 대체로 우수한 성능을 보였으나, 주기가 짧고 유사한 패턴이 반복되는 데이터에서는 세 가지 교차 검증 방법 간 성능 차이가 미미했다. 반면, 학습 시간 측면에서는 RW 검증 방법이 일관되게 가장 빠른 것으로 나타났다. 이는 실시간 이상치 탐지와 같이 빠른 모델 업데이트가 필요한 상황에서 RW 검증 방법이 최적의 성능을 보이지는 않지만 성능을 크게 저하 시키지 않으면서도 효율적인 대안이 될 수 있음을 시사한다. %본 연구 결과는 이상치 탐지 분야에서 실시간 처리와 자원 제약 상황에 적합한 교차 검증 방법 선택을 제시하며, 특히 RW 검증 방법의 실용적 가치와 적용 가능성을 확인하였다는 점에서 의의가 있다.

키워드