시계열

시계열 예측 모델 중 베이스라인으로 활용하는 4개의 모델이 있다. 이는 마지막 예측값을 어떤 값으로 할지에 따라 나뉜다. average method: 과거 데이터의 평균값으로 마지막값 예측 naive method: 관측값 중 마지막 값을 예측값으로 seasonal method: 같은 seasonal point 중 과거의 point을 예측값으로 , 올해 값이 없으면 작년, 제작년 값 사용 drift method: naive method에 trend를 반영한 것. 마지막값 + 변화의 평균값(x변화량, y변화량) [R code] meaf(y, h=20) naive(y, h=20) snaive(y, h=20) rwf(y, drift=TRUE, h=20) #FALSE면 naive

Basic of Time Series forecasting이란 Time Series Analysis의 한 분야로 미래에 이어질 sequence of observation을 예측하는 것 여기서, seqeunce는 random variable 미래의 움직임이 어떻게 될지 예측하는 것 과거의 정보는 conditioning하여 미래의 정보를 예측함 Time series의 pattern은 크게 trend, seasonal, cycle로 구성되어 있음 Lag와 Autocorrealtion lag(K)는 시차를 의미 시계열에서는 correlation 대신 autocorrelation, 즉 자기 상관계수라는 개념이 사용됨: $y_t$ 와 $y_{t-k}$ 간의 관계에 대한 값 이러한 autocorrelation은 함수..