시계열 데이터를 학습·검증 데이터로 분할할 때 무작위로 섞는 방법이 부적절할 수 있는 이유는?

빅데이터분석기사 · 0pt

시계열 데이터를 무작위로 섞으면 데이터의 표본 수가 감소하여 모델을 학습할 수 없기 때문이다. 미래 시점의 관측치가 학습 데이터에 포함되면서 과거 데이터를 예측하는 구조가 형성되어 정보 누수 또는 비현실적인 성능 평가가 발생할 수 있기 때문이다. 무작위 분할을 사용하면 모든 설명변수의 분산이 0으로 변하기 때문이다. 무작위 분할을 사용하면 모델 종류와 관계없이 학습 데이터와 검증 데이터의 성능이 항상 동일해지기 때문이다.