[ML][Time Series Analysis] 시계열 분석 Introduce

시계열 분석(Time - Series Analysis)

시계열 분석이란 시간에 따라 변하는 데이터를 사용하여 추이를 분석하고 향후 전망을 예측하는 것입니다

 

시계열 데이터의 형태는 데이터 변동 유형에 따라 불규칙 변동, 추세 변동, 순환 변동, 계절 변동으로 구분할 수 있습니다

• 불규칙 변동(Irregular Variaiton) : 시계열 자료에서 시간에 따른 규칙적인 움직임과 달리 어떤 규칙성이 없어 예측 불가능 하고 우연적으로 발생하는 변동
• 추세 변동(Trend Variaiton) : 시계열 자료가 갖는 장기적인 변화 추세
  • 추세(Trend) : 장기간에 걸쳐 지속적으로 증가/감소하거나 일정한 상태(Stationary)를 유지하려는 현상
• 순환 변동(Cyclical Variaiton) : 대체로 2~3년 정도의 일정한 기간을 주기로 순환적으로 나타나는 변동
• 계절 변동(Seasonal Variaiton) : 시계열 자료에서 보통 계절적 영향과 사회적 관습에 따라 1년 주기로 발생하는 것

결국 시계열 데이터는 규칙적 시계열과 불규칙적 시계열로 나눌 수 있다 

• 규칙적 시계열 : Trend와 분산이 불변하는 시계열
• 불규칙적 시계열 : Trend 혹은 분산이 변화하는 시계열

---

시계열 데이터를 잘 분석한다는 것은 불규칙성을 갖는 시계열 데이터에 특정한 기법이나 모델을 적용하여 규칙적인 패턴을 찾거나 예측하는 것을 의미한다

불규칙적 시계열 데이터에 규칙성을 부여하는 방법으로는 AR, MA, ARMA, ARIMA 모델 등을 적용하는 것이 가장 널리 알려져 있다

최근에는 Deep Learning을 이용하여 시계열 데이터의 연속성을 모델 스스로 찾아내도록 하는 방법이 더 좋은 성능을 내고 있다