시계열 데이터를 분류할 때 사용되는 것이 순환 신경망(Recurrent Neural Network, RNN)입니다. 주식 데이터처럼 시간에 따른 데이터가 있을 때 순환 신경망을 사용하지만, 역전파 과정에서 기울기 소멸 문제가 발생하는 단점이 있습니다. 이러한 문제점을 개선하고자 게이트(gate)를 세 개 추가한 것이 바로 LSTM(Long Short-Term Memory)입니다. 망각 게이트(과거 정보를 잊기 위한 게이트), 입력 게이트(현재 정보를 기억하기 위한 게이트)와 출력 게이트(최종 결과를 위한 게이트)를 도입하여 기울기 소멸 문제를 해결했으며, 현재 시계열 문제에서 가장 활발히 사용하고 있습니다.

▲ 그림 1-15 구글과 아마존 주식에 대한 시계열 데이터 사례(출처: https://www.fool.com/investing/2019/05/26/better-buy-amazon-vs-google.aspx)