꿈라CBT다음 <보기>는 일별 판매량 시계열로 수요 예측 모형을 만든 과정이다. 이에 대한 지적으로 가장 적절한 것은?
보기
| 단계 | 수행 내용 |
|---|---|
| (가) | 3년치 일별 판매량 1,095건을 무작위로 섞어 8:2로 학습·검증 분할 |
| (나) | 설명변수에 같은 날의 재고 수준과 당일 프로모션 집행액을 포함 |
| (다) | 검증 정확도 MAPE 4.2%로 매우 우수 |
| (라) | 실제 운영 시 다음 주 예측 MAPE 21.7% |
- 1시계열을 무작위로 분할해 미래가 학습에 섞였고 당일 정보까지 변수로 썼으므로, 시간 순서 분할과 시점 이전 변수만 써야 한다.
- 2검증과 운영의 차이는 모형의 복잡도가 부족해서 생긴 것이므로, 층을 더 깊게 하거나 변수를 추가해 모형을 키우면 해결된다.
- 3MAPE는 시계열 예측에 부적합한 지표이므로 두 수치의 차이는 의미가 없으며, 결정계수로 다시 평가하면 두 값이 일치할 것이다.
- 4일별 자료는 변동이 크므로 무작위 분할이 오히려 안정적인 평가를 제공하며, 운영 성능이 낮은 것은 계절성 때문이므로 분할 방식과는 무관하다.