시계열 분석
- 시계열 : 시간의 변화에 따라 변동하는 변수들
- 시계열 분석 : 시계열 데이터를 이용하여 예측하는 방법
- 접근 방법 : 시간영역분석, 주파수 영역 분석
- 정상성 : 시간에 따라 변동해도 분산이 일정한 성질
시계열 데이터의 패턴
- 추세 : 데이터가 점점 증가 혹은 감소해나가는 형태
- 계절성 : 계절에 따라 영향을 받는 패턴
- 주기성 : 일정 주기를 갖는 패턴 ex. 경졔
- 자기 상관 : 시계열 데이터 사이 선형적사이 선형적 관계
시계열 분석 모형
1. 선형 회귀 모형
- 아래는 단순 선형회귀 모형과 다중 선형회귀모형
- 최소 제곱법을 통해 구함. 오차 제곱 합이 최소가 되는 beta들을 구하여야함.
2. 자기회귀 모형 AR Auto Correlation 모형
- 현 시점을 과거 데이터들의 선형 결합으로 구하는 모형
3. 이동평균 모형 MA Moving Average 모형
- 각 시간들의 데이터의 평균으로 현 시점을 추정하는 모형
4. 자기회귀 평균이동 모형 ARMA Auto Regressive Moving Average 모형
- AR, MA모형의 결합으로 시간별 평균 데이터로 회귀로 추정하는 모형
5. 자기회귀 누적이동평균 모형 ARIMA Auto Regressive Intergrated Moving Average 모형
- ARMA 모델은 ARMA 모델에 적분 연산을 통해 과거 데이터들의 추세성 까지 반영한 모델
'컴퓨터과학 > SW, DB' 카테고리의 다른 글
빅데이터 - 15. 가설 검정 (0) | 2020.11.26 |
---|---|
빅데이터 - 14. 표본 분포와 추정 (0) | 2020.11.26 |
빅데이터 - 13. 확률 개요와 확률 분포들 (0) | 2020.11.26 |
빅데이터 - 12. 상관 분석과 거리, 다중공선성 (0) | 2020.11.25 |
빅데이터 - 11. 표본 추출 (0) | 2020.11.25 |