zGAN: 이상치 중심의 생성적 적대 네트워크를 이용한 현실적인 합성 데이터 생성

"블랙 스완" 현상은 고전적인 머신 러닝 모델의 성능에 근본적인 도전을 제기하고 있습니다. 특히 팬데믹 이후 환경에서 이상치 조건의 빈도가 증가한 것으로 인식되면서, 합성 데이터를 실제 데이터와 함께 모델 훈련에 활용하는 것이 필요해졌습니다. 본 논문은 이상치 특성을 가진 합성 표 형식 데이터 생성을 목적으로 개발된 zGAN 모델 아키텍처에 대한 일반적인 개요와 실험적 연구를 제공합니다. 이 모델은 이진 분류 환경에서 테스트되었으며, 현실적인 합성 데이터 생성 및 모델 성능 향상 측면에서 유망한 결과를 보여주었습니다. zGAN의 독특한 특징 중 하나는 생성된 데이터의 특성 간 상관관계를 강화하는 능력으로, 실제 훈련 데이터의 특성 간 상관관계를 재현합니다. 또한 zGAN은 실제 데이터 또는 합성적으로 생성된 공분산(코바리언스) 기반으로 이상치를 생성할 수 있는 능력이 중요합니다. 이러한 이상치 생성 방법은 복잡한 경제 사건을 모델링하고 예측 모델 훈련, 이상치 검출, 처리 또는 제거 등의 작업을 위한 이상치 증강을 가능하게 합니다. 본 연구에서는 사설(금융 서비스 부문의 신용 위험)과 공개 데이터셋 모두에서 실험 및 비교 분석이 수행되었습니다.