동적시간왜곡 알고리즘을 활용한 드리프트 탐지

Abstract

드리프트는 시간이 흐름에 따라 예측 대상의 통계적인 속성이 변하는 현상이다. 시계열 데이터에서 드리프트가 출현하면 머신 러닝 모델의 성능이 악화되며 이로써 막대한 손실 비용을 초래할 수 있다. 따라서 모델의 성능과 데이터를 지속적으로 모니터링함으로써 드리프트를 조기에 탐지하여 모델의 성능 악화에 따른 기회 비용을 최소화해야 한다. 본 연구에서는 동적시간왜곡(Dynamic Time Warping) 알고리즘을 활용하여 효율적으로 드리프트를 탐지하는 방법을 제안한다. 제안 방법은 시계열 내의 빈발 패턴을 찾고, 이를 기점으로 시계열을 여러 윈도우로 분할하여 드리프트를 탐지하는 방법이다. 제안 방법의 유효성을 검증하기 위해 총 16개의 합성 데이터셋에 제안 방법과 기존 연구에서의 방법을 적용하고 성능을 비교한다. 그 결과 성능 지표인 정확도, 탐지 지연 시간 등의 측면에서 기존 연구 대비 제안 방법이 우수한 성능을 보였다.