수요 예측에서 회귀분석을 활용한 딥러닝 입력 최적화

Abstract

수요 예측은 기업경영에 필요한 자원을 관리하는 방법으로, 과거의 데이터를 바탕으로 제품의 수요량을 분석하고, 미래의 수요를 예측한다. 기존의 수요 예측 방법은 통계적인 방법이 주로 사용됐으나, 최근에는 딥러닝을 활용한 방법이 널리 연구되고 있다. 딥러닝을 이용한 수요 예측은 주어진 학습 데이터로부터 비교적 정확한 예측이 가능한 장점이 있으나, 학습 데이터의 차원과 양이 증가하게 됨에 따라 학습 시간이 급격히 늘어나는 문제점이 있다. 본 연구에서는 딥러닝을 활용한 수요 예측 모델에서 예측에 영향을 주는 최적의 입력 벡터를 선택하는 방안을 제시한다. 통계 기법의 일종인 회귀분석을 통해 입력 벡터 중에서 수요 예측에 영향을 전혀 주지 않는 요소나 미미한 영향을 주는 요소를 제거하는 방법을 제안한다. 이 기법을 이용하여 딥러닝 모델의 정확도를 유지하면서 딥러닝의 중요한 문제점인 긴 학습 시간을 단축한다. 이를 검증하기 위해 대표적인 딥러닝 모델인 DNN과 XGBoost을 사용하여 Kaggle에서 제공하는 데이터 세트로 실험하였다.