범주형 변수와 연속형 변수가 혼합된 시계열 데이터 예측 기법

초록

기존 시계열 예측 연구는 범주형 변수의 사용을 고려하지 않아 중요한 패턴이나 정보를 활용하지 못하였다. 결과적으로 이러한 연구는 편향성과 과적합 문제로 고전하였다. 본 논문에서는 다음과 같이 두 가지 기법을 통합적으로 활용하여 시계열 예측 성능을 개선하는 방법을 제안한다. 첫째, Feature Tokenizer와 Dozer Attention를 활용해 범주형 변수와 연속형 변수를 통합적으로 처리한다. 둘째, Variational Auto-Encoder(VAE) 기반 데이터 증강 기법으로 시계열 패턴의 편향성과 과적합 문제를 완화한다. 실험 결과, 제안한 방법이 기존 모델보다 더 우수한 예측 성능을 보인다. 제안한 방법은 시계열 예측에서 범주형 변수의 중요성을 반영하고, VAE 기반으로 증강된 데이터를 사용함으로써 예측 성능을 개선하였다.

키워드