이 논문은 선형 시계열 예측 모델에 대한 심층적인 수학적 분석을 제공한다. 주요 내용은 다음과 같다:
DLinear, FITS 등 널리 사용되는 선형 모델들이 실제로는 제약 없는 선형 회귀와 동일한 모델 클래스를 가진다는 것을 수학적으로 증명했다.
다양한 데이터 정규화 기법(Instance Norm, Reversible Instance Norm, NowNorm)이 모델 클래스에 미치는 영향을 분석했다. 이를 통해 선형 모델 변종들을 단 3가지 유사한 클래스로 구분할 수 있음을 보였다.
선형 회귀의 볼록성으로 인해, 이러한 모델들이 동일한 최적해로 수렴할 것이라는 가설을 제시했다. 실험을 통해 이를 확인했으며, 특히 FITS 모델의 편향 항이 다른 모델과 크게 다르다는 점을 발견했다.
마지막으로 다양한 벤치마크 데이터셋에서 폐쇄형 최소제곱 해(Ordinary Least Squares)가 대부분의 경우 학습된 모델보다 우수한 성능을 보인다는 것을 확인했다.
다른 언어로
소스 콘텐츠 기반
arxiv.org
더 깊은 질문