yeon's 👩🏻‍💻

🌳 시계열 모델 - 시계열의 이전 관측값으로부터 얻은 정보는 들어가지만 다른 외부 정보는 들어갈 수 없다. ✔️ 이런 다른 외부 변수가 더 정확한 예측값으로 이어질 수도 있잖아! 🌱 회귀 모델 - 예측 변수의 수많은 관련 정보를 포함하지만, - ARIMA 모델과 같이 시계열 데이터를 다루긴 어렵다. 🔆 모델에 다른 정보를 넣기 위해 ARIMA 모델을 어떻게 확장할지 생각해보자. - y_t: 예측 변수(x_1t, ..., x_kt)의 선형 함수 - εt: 상관관계가 없는 오차항 (백색잡음(white noise)) - 자기 상관을 넣기 위해 회귀에 오차항을 넣어주자. (εt -> ηt 로 변경) - 오차 시계열 ηt은 ARIMA 모델을 따른다고 가정하는데, 예를 들어 ηt가 ARIMA(1, 1, 1) 모델을..

🌳 시계열 데이터 시간의 흐름에 따라 관찰된 데이터 -> 과거 데이터의 패턴을 분석해 미래의 값을 예측하자. (1) 추세(Trend) : 데이터가 장기적으로 증가하거나 감소하는 경향 (2) 순환(Cycle) (3) 계절성(Seasonal): 특정 시간의 주기로 나타나는 패턴 (4) 불규칙요소(Random, Residual): 설명될 수 없는 임의의 변동 🌿 미래 예측의 전제 - 과거의 일정한 패턴은 미래에도 동일하게 반복될 것이다. -> 안정적(정상적)인 데이터에 대해서만 미래 예측이 가능하다. 🌳 정상적이다. (Stationary) = 안정적이다. - 과거의 패턴이 미래에도 반복될 것이다. - 시계열의 통계적 특징(평균, 분산, 자기 상관)이 변하지 않는다. - 랜덤한 움직임을 가지지만, 시점마다 유사..

시계열 데이터가 stationary 인지를 테스트 하는 방법 파이썬에서 statsmodels.tsa.adfuller 패키지가 ADF 검정 함수를 제공한다. 검정 통계량이 critical value보다 작은 경우 stationary 하다고 할 수 있다. 예제 dftest = adfuller(timeseries, autolag='AIC') adfuller 함수의 파라미터 x: 시계열 데이터 autolag: ADF Test에서 $p$ 를 자동으로 지정함 'AIC', 'BIC': AIC나 BIC가 가장 낮게 나오는 $p$를 자동으로 설정하고, autolag을 이렇게 지정했을 경우 maxlag에서 지정한 값이 무시됨 None: maxlag에서 지정한 값이 설정됨 't-stat': maxlag에서 지정한 값부터 r..

https://sustainable-dev.tistory.com/44 BFS(너비우선탐색)와 DFS(깊이우선탐색) 알고리즘을 공부하다가 꼭! 알아야하는 너비우선탐색과 깊이우선탐색에 대해 알아보고자 한다. 자료구조-트리 포스트에서 가볍게 훑어보고 넘어갔었는데, 알고리즘 문제에 적용하기 위해서는 sustainable-dev.tistory.com 위 블로그를 보고 필사 1. 깊이 우선 탐색 (DFS, Depth-First Search) - 스택, 재귀를 사용해 어떤 정점에서 그 정점과 연결된 정점까지 계속해서 나아가다 목표 정점을 찾지 못하면 다시 가장 가까운 정점으로 돌아와 다른 경로를 택해 재탐색 - 여기서 다시 되돌아오는 과정: 백트래킹(Backtracking) - 백트래킹을 하는 과정에서 LIFO 방식..