시계열 예측 모델을 구축할 때 어떤 알고리즘을 사용했으며, 그 이유는 무엇인가요?

시계열 예측을 할 때 복잡한 딥러닝 모델을 사용했는데 훈련 데이터에서는 성능이 좋았지만 새 기간 데이터에서 예측 정확도가 급격히 떨어지는 과적합을 겪은 경험이 있었습니다. 모델 복잡도를 높이면 성능이 좋아질 것이라고 생각했는데 데이터 양과 패턴 복잡성에 비해 과도한 모델을 선택한 자리가 됐습니다. 시계열 예측 모델 선택은 가장 복잡한 모델보다 데이터 크기·계절성·외부 변수 유무에 맞는 모델을 먼저 파악하고 단순한 것부터 시작해야 한다는 것을 그때 배웠습니다.

시계열 예측에서 모델 복잡도는 데이터 특성에 맞아야 하고 과소적합을 걱정하기 전에 과적합 여부를 먼저 확인해야 한다는 원칙이 생겼습니다. 이후에는 시계열 모델을 선택할 때 데이터 특성 파악과 단순 기준선 모델 비교를 먼저 하는 방식을 두고 있습니다.

단순한 모델이 충분할 때 복잡한 모델은 오히려 독이 된다는 것을 배웠고, 이후에는 기준선 비교를 먼저 두는 방식이 기준이 됐습니다.