다변량 시계열 이상 탐지 평가를 위한 PA%K에서 K 값에 따른 탐지 성능 변화 비교 분석Comparative Analysis of Performance Changes with K value in PA%K for Evaluating Anomaly Detection in Multivariate Time Series
딥러닝 모델을 활용하는 다변량 시계열 이상 탐지 연구는 연속적인 시점 구간으로 발생하는 시계열 이상을 효과적으로 성능 평가에 반영하기 위해, 레이블 보정 방법인 PA(point-adjust) 기반 F1 점수로 탐지 성능을 측정한다. PA%K는 PA 보정을 개선한 방법으로 하이퍼파라미터 K 값을 활용하여 F1 점수가 실제 성능에 비해 과하게 측정되는 현상을 방지한다. 본 논문에서는 서로 다른 3개의 다변량 시계열에 대해 K 값에 따른 PA%K 보정 기반 탐지 성능 변화를 비교 분석한다. 하나의 다변량 시계열에서 학습된 모델을 활용하는 경우 K 값에 따른 성능 변화가 적다고 언급한 기존 논문과는 달리, 이상 구간 크기 분포가 서로 다른 다변량 시계열에 대한 실험 결과를 통해 K 값에 따른 성능 변화가 매우 달라질 수 있음을 보인다.