전체 글70 시계열 모델도 아닌 LightGBM이 백본 트래픽 예측에서 강한 이유 백본 네트워크의 트래픽을 예측해야 한다고 생각해보자.5분 단위로 수집되는 트래픽 데이터가 있고, 이를 이용해 앞으로의 트래픽을 예측하고 싶다. 시계열 예측이라는 말을 들으면 자연스럽게 ARIMA, LSTM, Transformer 같은 모델을 떠올리게 된다. 시계열 데이터니까 시계열 모델을 써야 한다는 생각은 자연스럽다.그런데 의외로 이런 문제에서 강력한 baseline이 되는 모델이 있다. 바로 LightGBM(LGBM)이다. 실제로 이번에 하는 프로젝트에서도 그랬다.트래픽 데이터와 비슷한 형태인 데이터를 예측할때, 일종의 백본 모델을 만들어 새로운 트래픽에 대해서도 준수한 성능을 내는 모델을 만들고자 했다.이 때 가장 좋은 성능을 내는 모델이 LGBM이었고, 왜 그럴까 궁금해서 이 글을 쓰기 시작했다... 2026. 8. 25. Entity-Aware LSTM Towards Learning Universal, Regional, and Local Hydrological Behaviors via Machine-Learning Applied to Large-Sample Datasets 1. 풀고자 하는 문제- 지역 단위 강우-유출 모델링은 수문학의 오랜 미해결 과제로, 전통적 수문 모델은 단일 유역이 아닌 다수 유역에 대해 동시 보정할 경우 성능이 크게 저하되는 한계 존재했다.- 유저별 모델을 따로 학습하면 잘 맞지만 스케일이 안 되고, 하나의 글로벌 모델은 스케일은 되지만 개별 특성을 못 잡는 문제를 해결하기 위함이다. 2. 접근 방법미국 NCAR가 정리한 CAMELS 데이터셋을 쓴다. 671개 유역 중 면적 계산이 신뢰할 만한 531개를 골랐고, 각 유역마다 두.. 2026. 8. 18. 백본이란 무엇인가. 시작하는 질문논문을 읽다 보면 이런 문장을 자주 만난다."We use ResNet-50 as the backbone.""The backbone is initialized with ImageNet pre-trained weights.""We replace the backbone with a Swin Transformer."무슨 뜻인지 대충은 안다. 모델의 몸통쯤 되는 것.그런데 정확히 어디까지가 백본이고 어디부터가 아닌지, 왜 굳이 이름을 붙여 부르는지, 무엇이 어떤 것을 백본으로 만드는지 물으면 답이 잘 안 나온다.이 글은 그 질문에 답하려는 시도다. 딥러닝 모델은 크게 두 덩어리가 있다.백본(backbone): 입력에서 범용 특징(feature)을 뽑아내는 몸통 네트워크(태스크 무관) - > 공통적인 .. 2026. 8. 12. Airflow 최소 정보. Airflow로 프로젝트를 진행하게 되어따..!너무 초면이어서 정보 정리가 필요했다.오랜만에 정보글이라니. 아니 블로그라니.나중에 이 글이 귀여워질 날을 기리며 ~~ Airflow란,Airflow = 파이썬 코드로 작성하는 '워크플로 스케줄러 + 오케스트레이터'크론(cron)만으로도 스케줄 실행은 가능. 그럼에도 Airflow를 쓰는 이유:의존성 관리 — "A가 끝나야 B", "B와 C는 동시에" 같은 순서를 코드로 선언 가능재실행 단위의 세분화 — 실패한 태스크만 골라 재시도 가능 (크론은 스크립트 전체 재실행)관측 가능성 — 실행 이력, 로그, 걸린 시간이 UI에 남음멱등성 전제의 설계 — 실행 시점이 아니라 데이터 구간(logical date) 기준으로 동작하므로 과거 데이터 재처리가 자연스러움1... 2026. 8. 4. 이전 1 2 3 4 ··· 18 다음
