시계열 예측을 위한 기반 모델: 실제 환경 벤치마크
2025-06-13
ARIMA나 Prophet과 같은 기존 시계열 예측 방법은 새로운 세대의 "기반 모델"에 의해 도전받고 있습니다. 이러한 모델은 대규모 언어 모델(LLM)의 기능을 시계열 데이터에 적용하여 단일 모델로 다양한 데이터 세트와 도메인에 걸쳐 예측을 수행하는 것을 목표로 합니다. 본 논문에서는 Amazon Chronos, Google TimesFM, IBM Tiny Time-Mixers, Datadog Toto와 같은 여러 기반 모델을 기존 기준 모델과 비교한 벤치마크 테스트 결과를 제시합니다. 실제 Kubernetes pod 메트릭을 사용한 테스트에서 기반 모델은 다변량 예측에서 뛰어난 성능을 보였으며, 특히 Datadog Toto가 우수한 결과를 보였습니다. 하지만 이상치와 새로운 패턴 처리에는 여전히 과제가 있으며, 안정적인 작업 부하에서는 기존 모델이 여전히 경쟁력을 유지합니다. 최종적으로 저자들은 기반 모델이 빠르게 변화하는 다변량 데이터 스트림에 상당한 이점을 제공하며, 현대 관측 가능성 및 플랫폼 엔지니어링 팀에 유연하고 확장 가능한 솔루션을 제공한다고 결론짓습니다.
AI
시계열 예측