Portpolio218 KSEB 3기 08.02 SAGEMAKER EKS 요금 매우 비싸다 2024. 8. 4. KSEB 3기 08.01 통계학습에서의 AIC, BIC 2024. 8. 4. KSEB 3기 07.31 참고 자료 2ARIMA에서 p, d, q값 지정해주는 방법시계열 데이터 분석에서 "p", "d", "q"는 ARIMA(자동 회귀 이동 평균) 모델의 파라미터를 나타냅니다.ARIMA 모델은 시계열 데이터의 예측과 분석을 위해 사용되는 통계 모델 중 하나로, 시계열 데이터의 자기회귀(AR), 미분(I), 이동평균(MA) 요소를 조합하여 모델을 구성합니다.1. "p" (AR: 자동 회귀)"p"는 자동 회귀 모델의 자기회귀 차수(AR 차수)를 나타냅니다.자기회귀란 현재 시점의 데이터가 이전 시점의 데이터와 관련이 있는 경우를 의미합니다. "p"는 몇 개의 이전 시점 데이터를 사용할 것인지를 결정합니다. 예를 들어, "p=1"은 바로 직전 시점의 데이터만 사용하는 자기회귀 모델을 의미하고, "p=2"는 두 시점 .. 2024. 8. 4. KSEB 3기 7.30 참고 자료 1자기상관 함수(ACF)의 정의ACF는 주어진 시계열 데이터 $X_t$에서 서로 다른 시차 $k$에 대해 데이터가 얼마나 상관관계를 가지는지를 측정합니다. $k$ 시차에서의 자기상관 계수 $ρ_k$는 다음과 같이 정의됩니다:$ρ_k=\frac{\text{Cov}(X_t, X_{t+k})}{\sqrt{\text{Var}(X_t) \text{Var}(X_{t+k})}}$여기서 $Cov(X_t,X_{t+k})$는 $X_t$와 $X_{t+k}$간의 공분산입니다.ACF가 0으로 수렴해야 하는 이유시간에 따른 독립성:대부분의 자연적이고 경제적인 시계열 데이터는 시간이 지남에 따라 서로 독립적으로 변하는 경향이 있습니다. 즉, 멀리 떨어진 시간 간격에서는 데이터 값들 간에 상관관계가 거의 없어야 합니다.예.. 2024. 8. 4. KSEB 3기 7.29 AR, MA특성AR(p) 모델MA(q) 모델정의과거 값들의 가중합으로 현재 값을 설명과거 오차(백색 잡음)의 가중합으로 현재 값을 설명차수 식별PACF 그래프 사용ACF 그래프 사용모델링 요소자기회귀 계수($\phi$)이동평균 계수($\theta$)주요 적용 분야데이터의 패턴이나 추세 식별데이터의 노이즈나 불규칙성 설명자기상관과거의 값과 자기상관이 높음과거 오차와의 상관관계 설명여기에 기존의 데이터에서 차분을 얼만큼 했는지를 가지고 d의 값을 정해주면 된다. 2024. 8. 4. KSEB 3기 07.26 모델 경량화 = 탄소절감 = why? 인공지능은 전기를 엄청 먹음float32가 float64보다 메모리를 덜 먹음 2024. 7. 29. KSEB 3기 07.25 코랩에서 말하는 컴퓨팅 단위의 허점 python에서 MAGIC METHOD의 종류와 name manggling 릿지 회귀와 라쏘 회귀의 차이점 ARIMA의 순서 - 17개 지자체에 대해서 증강 데이터셋으로 진행 RF의 순서 - 17개 지자체에 대해서 증강 데이터셋으로 진행 2024. 7. 25. KSEB 3기 07.24 시계열 데이터 분석 교재 링크https://otexts.com/fppkr/index.html Forecasting: Principles and Practice2nd editionotexts.com 코랩 유로로 쓰는 것은 비추 2024. 7. 24. KSEB 3기 07.23 AWS sagemaker와 s3, 서브넷, vpcLLM과 RAG의 차이점 2024. 7. 23. KSEB 3기 07.22 시계열 데이터 예측모형, LSTM, ARIMA, .reset_index() 함수코랩 유료인데 gpu가 안될때가 많다 2024. 7. 23. 이전 1 2 3 4 5 6 ··· 22 다음
