꿈라CBT다음 <보기>의 결과에 대한 진단으로 가장 적절한 것은?
보기
슬라이딩 윈도우(입력 30시점, 스트라이드 1)로 만든 샘플을 시간 순서대로 앞 80% / 뒤 20%로 나누어 학습·검증에 사용하였다.
- 검증 성능이 매우 높게 나왔으나, 실제 운영에서는 성능이 크게 떨어졌다.
- 확인 결과 경계 부근의 윈도우들이 학습 구간과 검증 구간에 겹쳐진 시점을 공유하고 있었다.
- 1스트라이드가 1이면 윈도우가 겹치지 않으므로, 성능 저하는 모델 구조의 문제로 보아야 한다.
- 2겹치는 윈도우로 경계에서 정보가 샌 것이므로, 두 구간 사이에 간격을 두어야 한다.
- 3학습과 검증을 무작위로 섞어 나누면 경계 문제가 사라지므로 무작위 분할로 바꾸어야 한다.
- 4검증 비율을 20%에서 40%로 늘리면 겹치는 구간의 비중이 줄어 문제가 해결된다.