P3-5.4 입력 창(window)은 어디서 자르고 길이는 어떻게 맞추는가¶
Section ID:
P3-5.4Version:v2026.07.20
원시 시계열이 바로 학습 입력이 아니라면, 곧 더 구체적인 질문이 남습니다. 그렇다면 실제 입력은 어디서 시작하고 끝나야 하는가?, 길이가 제각각인 동작은 어떻게 같은 입력처럼 다룰 수 있는가? 입력 창(window)은 바로 이 질문에 답하는 데이터 모델링 결정입니다.
입력 창은 모델에 넣기 좋은 길이부터 고르는 것이 아니라, 지금 문제에서 무엇을 한 입력으로 보아야 하는가부터 정한 뒤에 잘라야 합니다.
앞 절까지가 한 줄 특징 표에 무엇을 남길지 묻는 흐름이었다면, 여기서부터는 같은 원천 시계열을 시간 순서가 남는 입력 구조로도 읽을 수 있는지 따져 봅니다. 즉 이 절의 핵심은 어디서 자를지와 어떻게 맞출지를 먼저 정한 뒤에야, 요약 입력으로 접을지 순서를 남길지 갈라진다는 점입니다.
왜 입력 창이 필요한가¶
원시 시계열은 대개 길이가 다르고, 시작점과 끝점의 의미도 다를 수 있습니다. 어떤 동작은 40초, 어떤 동작은 75초일 수 있고, 어떤 센서는 초반에 급격히 변하고 어떤 센서는 후반에만 차이가 나타날 수 있습니다. 이런 상태에서 그대로 넣자고 하면, 사실상 서로 다른 길이와 서로 다른 의미 구간을 한 묶음처럼 다루게 됩니다.
| 그냥 두었을 때 생기는 문제 | 왜 곧바로 비교가 어려운가 |
|---|---|
| 동작 길이가 제각각이다 | 한 입력이 같은 양의 정보를 담는다고 보기 어렵다 |
| 시작과 종료 시점의 의미가 다르다 | 같은 위치의 값이 같은 단계라고 말하기 어렵다 |
| 중요한 변화가 특정 구간에만 있다 | 전체를 한 번에 넣으면 핵심 구간이 흐려질 수 있다 |
그래서 입력 창은 단순한 자르기 기술이 아니라, 어떤 범위를 하나의 비교 단위로 볼 것인가를 정하는 일입니다.
먼저 정해야 하는 네 가지¶
입력 창을 정할 때는 적어도 아래 네 가지를 먼저 닫아야 합니다.
| 먼저 정할 것 | 질문 형태로 바꾸면 |
|---|---|
| 시작점 | 어디서부터 한 동작의 의미가 시작되는가 |
| 끝점 | 어디까지를 같은 입력에 포함할 것인가 |
| 길이 기준 | 길이가 다른 샘플을 어떤 공통 기준으로 맞출 것인가 |
| 정렬 기준 | 시간 자체로 맞출 것인가, 진행률로 맞출 것인가 |
이 네 가지는 순차 모델을 쓸 때만 필요한 것이 아닙니다. 요약 표를 만들 때도 이미 같은 판단이 숨어 있습니다. 초반, 중반, 후반 구간을 나눈다는 것도 결국 입력 창과 정렬 기준을 먼저 정했다는 뜻입니다.
같은 원천데이터에서 가능한 여러 창 설계¶
동작 1회 시계열이 있다고 가정하면, 같은 데이터라도 창을 자르는 방식은 여러 가지일 수 있습니다.
| 창 설계 방식 | 언제 더 자연스러운가 | 남는 한계 |
|---|---|---|
| 시작부터 종료까지 전체를 한 입력으로 둔다 | 동작 1회 전체 모양이 중요할 때 | 길이 차이가 크면 맞추기 어렵다 |
| 진행률을 기준으로 같은 구간 수로 다시 나눈다 | 초반/중반/후반 구조 비교가 중요할 때 | 실제 시간 차이는 일부 사라질 수 있다 |
| 최근 N초만 잘라 본다 | 종료 직전 징후처럼 마지막 구간이 중요할 때 | 초반 맥락이 빠질 수 있다 |
| 기준 이벤트 전후 구간만 자른다 | 특정 트리거 주변 패턴이 중요할 때 | 전체 동작 구조는 덜 보인다 |
즉 입력 창은 정답 하나가 아니라, 문제 질문에 따라 달라지는 구조 선택입니다.
길이를 맞춘다는 것은 무엇을 버리고 무엇을 남기는가¶
길이를 맞추는 일도 단순히 숫자 개수를 맞추는 작업이 아닙니다. 길이를 맞추는 순간, 어떤 정보는 살리고 어떤 정보는 덜 직접적으로 남기게 됩니다.
| 길이 맞추기 방식 | 주로 남는 것 | 덜 직접적으로 남는 것 |
|---|---|---|
| 진행률 기준 구간화 | 동작 단계별 상대 구조 | 실제 소요 시간 차이 |
| 일정 간격 재샘플링 | 시간 축 위의 모양 | 세밀한 순간 변화 |
| 고정 길이 자르기 | 같은 길이 입력 비교 | 잘린 바깥 구간 정보 |
| 요약 특징으로 축약 | 전체 경향과 비교 가능한 수치 | 세부 시계열 모양 |
그래서 길이 맞추기 방식은 모델 편의성만으로 정하면 안 됩니다. 예를 들어 실제 시간 차이가 중요한 문제라면 진행률 기준만 남기는 순간 중요한 정보가 사라질 수 있습니다. 반대로 전체 시간이 제각각이어도 후반 무너짐이 있는가가 핵심이면 진행률 기준 구간화가 더 낫습니다.
한 장면으로 다시 보기¶
동작 A는 40초, 동작 B는 80초라고 해 보겠습니다. 둘 다 초반 안정, 후반 하락이라는 구조를 보이지만, 절대 시간으로 보면 하락 시점 위치가 다르게 보일 수 있습니다.
| 동작 | 절대 시간 기준으로 보이는 모습 | 진행률 기준으로 다시 읽은 모습 |
|---|---|---|
| A | 30초 이후 급락 | 후반 25% 구간에서 하락 |
| B | 65초 이후 급락 | 후반 25% 구간에서 하락 |
이때 질문이 언제, 몇 초 시점에 급락하는가라면 절대 시간 정렬이 더 중요합니다. 반대로 질문이 동작 마지막 단계에서 무너지는 구조가 있는가라면 진행률 기준 정렬이 더 자연스럽습니다. 즉 창과 정렬 기준은 데이터 자체가 아니라 질문이 결정합니다.
입력 창을 정한 뒤에는 같은 판단이 두 방향으로 이어질 수 있습니다.
| 입력 창 결정 뒤에 이어지는 방향 | 무엇이 남는가 |
|---|---|
| 요약 특징을 만든다 | 한 줄 요약 입력 |
| 구간 순서를 유지한다 | 시간 순서가 남은 입력 묶음 |
예를 들어 동작 1회를 10개 진행률 구간으로 다시 맞췄다면, 그다음에는 두 선택지가 생깁니다.
- 10개 구간 평균과 차이값을 요약 특징으로 바꿔 한 줄 입력으로 접을 수 있습니다.
- 10개 구간 자체의 순서를 유지해 시간 순서가 남은 입력 구조 후보로 남길 수 있습니다.
즉 입력 창을 정하는 일은 한쪽에서는 요약 특징이 어디서 나왔는지 설명하고, 다른 한쪽에서는 순서가 남은 입력 구조를 어떤 기준으로 만들었는지 설명합니다. 창을 먼저 닫아 두어야 그다음 갈래가 요약 입력인지 순서가 남은 입력인지도 일관되게 말할 수 있습니다.
아래 작은 도식으로 보면 같은 창 결정이 왜 두 갈래 입력 구조 후보를 만든다고 말하는지 더 분명해집니다.
flowchart TD
A[창을 적용한 동작 순서] --> B[요약 특징으로 접기]
A --> C[순서 구간을 유지하기]
B --> D[한 줄 특징 입력]
C --> E[순서형 입력 후보]
여기서도 경계를 분명히 해야 합니다. 이 절은 입력 창을 왜 그렇게 잘랐는가를 답하는 자리이지, 그 입력 위에서 어떤 학습 구조가 잘 맞는지까지 설명하는 자리는 아닙니다.
| 질문 | 이 절에서 답하는가 | 여기서 미루는가 |
|---|---|---|
| 한 입력은 어디서 시작하고 끝나는가 | 예 | 아니오 |
| 길이가 다른 샘플을 어떤 기준으로 맞출 것인가 | 예 | 아니오 |
| 이 입력 구조를 학습에 어떻게 쓸 것인가 | 아니오 | 예 |
| padding, masking, architecture 세부 구현은 어떻게 하는가 | 아니오 | 예 |
입력 창(window)은 모델이 요구해서 생기는 형식이 아니라, 무엇을 한 입력으로 비교할 것인지 정한 데이터 모델링 결과입니다. 이렇게 정리해 두면 뒤에서 더 긴 입력 구조를 읽더라도 먼저 입력 창이 왜 이렇게 잘렸는가를 보게 됩니다. 요약 특징 역시 이미 어떤 창과 정렬 기준 위에서 만들어진 결과라는 점이 함께 드러납니다.
출처와 참고 자료¶
- Google for Developers,
Machine Learning Glossary의labeled example. example는 features와 label이 함께 정의되는 단위이므로, 원시 시계열을 곧바로 입력이라고 부르기 전에 한 입력의 시작점, 끝점, 길이 기준을 먼저 닫아야 한다는 이 절의 핵심을 뒷받침합니다. https://developers.google.com/machine-learning/glossary / 확인일: 2026-07-20 - W3C,
PROV-Overview. provenance framework가 identifying an object, derivation, reproducibility를 지원해야 한다고 정리하므로, 입력 창과 정렬 기준이 어떤 규칙으로 만들어졌는지 재현 가능하게 남겨야 한다는 상위 프레임을 보강합니다. https://www.w3.org/TR/prov-overview/ / 확인일: 2026-07-20 - U.S. Bureau of Labor Statistics,
Base period. 비교를 위한 reference period라는 일반 개념을 제공하므로, 절대 시간 기준과 진행률 기준 가운데 무엇을 비교 기준으로 삼을지 질문이 먼저 결정한다는 이 절의 판단을 뒷받침합니다. https://www.bls.gov/bls/glossary.htm / 확인일: 2026-07-20