지역 군집화를 위한 CNN-GRU 기반 다변량 시계열 데이터의 특성 추출

시계열 군집화는 대개 통계 분석으로 이뤄져서 데이터의 특성을 온전히 반영하지 못한다. 다변량이면 변수마다 영향이 달라 더 어렵다.

• CNN으로 변수별 특성을, GRU로 시간에 따른 소비 추세를 추출하는 신경망 구조를 제안
• 전처리에서 이동평균(MA)으로 노이즈를 걷고, 업종별 소비 금액을 0–1로 정규화한 뒤 서브 시퀀스를 생성
• 2년치 실제 카드 데이터로 업종별 소비 추세가 비슷한 지역을 군집화

금액뿐 아니라 시간에 따른 추세를 시퀀스로 다룬다는 점에서 기존 군집화와 갈린다.