Notice
Recent Posts
Recent Comments
Link
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | ||||
4 | 5 | 6 | 7 | 8 | 9 | 10 |
11 | 12 | 13 | 14 | 15 | 16 | 17 |
18 | 19 | 20 | 21 | 22 | 23 | 24 |
25 | 26 | 27 | 28 | 29 | 30 | 31 |
Tags
- Gbm
- 알고리즘
- 머신러닝
- pca
- LDA
- feature extraction
- Gradient boosting machine
- 앙상블
- multivarite data
- Regression
- 앙상블 학습
- Gradient Boostnig
- Maximum A Posterior
- ML
- 차원축소
- MLE
- ensemble learning
- classification
- decision tree
- LGBM
- xgboost
- dimension reduction
- LIKELIHOOD
- multivarite method
- Gradient Boosting
- 차원 축소
- 최대사후확률
- ensemble
- 트리분할
- Machine Learning
Archives
- Today
- Total
목록Data (1)
코딩하는 눈송이
시계열 데이터
시계열 데이터 개요 시계열 데이터라는 것은 무엇인가? " 시계열 데이터란, 시간에 따라 순차적으로 생성되는 데이터의 집합이다. " 이러한 시계열 데이터는 이산적(discrete)이거나 연속적(continuous)일 수 있으며, 현재 관측치와 이전 관측치 사이에 상관관계가 있다는 것이 시계열의 가장 큰 특징이라고 설명한다. -> 이러한 점이 시계열을 분석하는 과정에서 가장 큰 이점으로 작용한다. 물론 시계열 데이터의 분석 목표는 시계열 데이터에 관련된 가설을 예측, 해석 및 테스트할 수 있는 간단한 모델을 개발해 미래의 데이터를 예측하는 것이다. 이러한 시계열 데이터를 식으로 만들어 보자면 다음과 같다. $$ X_{t} = Trend + Seasonality + Irregular $$ 1. Trend : ..
Data
2022. 12. 2. 10:56