KUBIG 2022-2 활동 블로그

* 작성자 : 16기 박종혁 본 포스팅은 Kaggle 를 참고하여 작성되었습니다. https://www.kaggle.com/code/janiezj/end-to-end-seasonal-arima-electricity-forecast [ ARIMA Code Reading ] 0. About Data 해당 데이터는 1985년부터 2018년까지 매달 전기 소비율이다. 1. Split dataset 시계열 데이터를 학습하고 평가하기 위해 먼저 train data와 test data로 분리한다. 그 결과 train data 361개, test data 36개로 나누었다. 2. Explore Training Dataset 2.1 Visualize Data 전기 소비량이 시간에 따라 증가함을 알 수 있다. 그러나 최근..

심화 스터디/시계열 2022. 11. 25. 20:55

작성자: 고태영 본 코드리뷰는 https://www.kaggle.com/code/kanncaa1/time-series-prediction-tutorial-with-eda/notebook을 참고하여 작성하였습니다. 관련 라이브러리 및 데이터 불러오기 / EDA의 경우 생략 (1) 데이터 Cleaning # drop countries that are NaN aerial = aerial[pd.isna(aerial.Country)==False] # drop if target longitude is NaN aerial = aerial[pd.isna(aerial['Target Longitude'])==False] # Drop if takeoff longitude is NaN aerial = aerial[pd.isn..

심화 스터디/시계열 2022. 11. 24. 13:16

해당 게시글은 고려대학교 김성범 교수님의 ARMA 모델 - Part 5 영상을 기반으로 작성되었습니다 통합 + 심층 자문자답 Review ARIMA 모델은 정상성(Stationary)을 이미 가졌을 때에 사용 정상성(Stationary) 1. 평균이 모든 시점 t에서 동일하다 : 추세, 계절성, 순환성 등의 패턴이 더이상 존재하지 않는다. 2. 분산이 모든 시점 t에서 동일하다 : 자료 변화의 폭이 일정하다 의문 1) stationary의 정의는 추세, 계절성, 순환성 등의 패턴이 더이상 존재하지 않는 경우라고 한다. 내가 생각하기에 시계열 데이터를 굳이 분석하는 이유는 그 데이터 속에 숨겨져 있는 '시계열'이 궁금해서이지 않은가? 즉, 그 데이터가 어떤 추세를 가지는지, 어떤 계절성을 가지는지를 알아내..

심화 스터디/시계열 2022. 11. 13. 20:16

* 작성자 : 15기 최민경 본 포스팅은 Youtube 김성범 교수님의 ARIMA 모델 - Part6 강의를 참고하여 작성되었습니다. Q1. AR모델도 white noise의 linear combination으로 표현이 가능하다. (O/X) A. O Q2. ARMA모델도 white noise의 linear combination으로 표현이 가능하다. (O/X) A. O Q3. white noise인 $a_t$의 성질은? 0 $\sigma _{a}^{2}$ 0, 시점이 다른 확률변수는 서로 독립 $\sigma _{a}^{2}$ $h=0$일 때 0 $h \neq 0$일 때 Prediction(Forecasting) Given $x_1, x_2, \cdots , x_t$, want to predict $x_{t..

심화 스터디/시계열 2022. 11. 13. 14:55

작성자 : 김지호 본 포스팅은 Youtube 김성범 교수님의 ARIMA 모델 - Part4 강의영상을 참고하였습니다. - Moving Average Model - Auto Regressive Model - ARMA Model Q1. 세 모델 모두! 데이터가 정상성(Stationary) 를 만족하는 경우에만 적용한다. Q2. 정상성(Stationary) 을 만족하는 데이터의 특징 2가지 평균 일정. 분산 일정. 임의의 공분산이 시점 t에 의존하지 않고, 시간의 차이인 h에만 의존함 Q3. 다음 데이터는 정상성(Stationary) 를 가진다고 볼 수 있을까? 평균이 일정하지 않아서 X , 분산이 일정하지 않아서 Q4. 시계열 데이터가 정상성(Stationary) 을 가지는지 확인할 수 있는 방법 1. 그래..

심화 스터디/시계열 2022. 11. 3. 19:53

* 작성자 : 16기 김진서 본 포스팅은 고려대학교 산업경영공학부 김성범 교수님 강의를 참고하여 작성되었습니다. https://youtu.be/0friMpcVZ1I Q: 시계열 분석에 필요한 4가지 구성요소들은? A: Trend ( 시간에 따른 변동 움직임 필요함), Seasonality ( seasonal variance 반영 ; 여름에 올라갔다가 나중에 내려가는 아이스크림 판매량), Noise / Irregularity (스파이크나 예측 가능하지 않은 변화모양), Cyclicity (일정 시간 주기로 비슷한 패턴이 반복되어야 함) Q: 정상성이란 무엇인지? A: 다른 시간 간격동안 1) 평균이 일정하고 2) 분산(표준편차)가 일정하며 3) Autocovariance 가 시간에 의존하지 않는다. => ..

심화 스터디/시계열 2022. 10. 9. 19:39

* 작성자 : 16기 박종혁 본 포스팅은 고려대학교 산업경영공학부 김성범 교수님 강의를 참고하여 작성되었습니다. https://www.youtube.com/watch?v=P_3808Xv76Q&list=PLpIPLT0Pf7IqSuMx237SHRdLd5ZA4AQwd&index=10 [ ARIMA 모델 개요 - PART 2 ] 지난 주차 Review Q1) 정상성의 의미와 확인하는 방법은? -> 정상성은 시간에 관계없이 평균과 분산이 일정한 성질로 ACF 그래프로 확인 Q2) AR 모델에서 독립변수로 활용되는 것은? -> 자기 자신의 lag된 데이터(Yt) Q3) MA 모델에서 독립변수로 활용되는 것은? -> 각 시점에서의 error(Et) Q4) AR, MA, ARMA 모델을 사용하기 위해 반드시 만족해야하..

심화 스터디/시계열 2022. 9. 25. 18:03

지난 주차 리뷰 Time series Regression 3 지수평활법 (Exponential Smoothing) 1. 정상/비정상 프로세스 정상 프로세스 시간이 흘러도 평균과 분산이 일정한 시계열 데이터 정상성 확인 ACF: Autocorrelation Function x축을 타겟 변수와의 시차(lag), y축을 correlation으로 놓은 plot PACF: Partial Autocorrelation Function ACF에서 시차 사이에 낀 다른 시차의 영향력을 제거한 함수 Quiz: 그렇다면 비정상 프로세스는? 아래 그림들이 비정상 프로세스인 이유는 각각 무엇인가? 비정상 프로세스 평균, 분산이 일정하지 않은 데이터 Autocorrelation plot으로 확인! Case 1) Case 2) 2..

심화 스터디/시계열 2022. 9. 25. 15:32