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
- ImageDateGenerator
- 데이터 증식
- 캐글 신용카드 사기 검출
- splitlines
- 분석 패널
- 데이터 정합성
- ARIMA
- XGBoost
- WITH CUBE
- 그룹 연산
- python
- 3기가 마지막이라니..!
- lightgbm
- 그로스 마케팅
- tableau
- 캐글 산탄데르 고객 만족 예측
- 그로스 해킹
- 컨브넷
- 데이터 핸들링
- 리프 중심 트리 분할
- DENSE_RANK()
- 로그 변환
- WITH ROLLUP
- pmdarima
- sql
- 인프런
- 스태킹 앙상블
- 마케팅 보다는 취준 강연 같다(?)
- Growth hacking
- 부트 스트래핑
Archives
- Today
- Total
목록pmdarima (1)
LITTLE BY LITTLE
[1] ARIMA - 시계열 모델의 개념
ARIMA는 AR 모형(Auto Regressive) 부분도 있고, MA(Moving Average) 부분도 있음 1-1. AR(Autoregressive) models : 자기 자신을 종속변수로하고, 이전 시점의 시계열(lag)을 독립변수로 갖는 모델 * hyper parameter: P 과거의 값이 현재의 값에 영향을 줄 때 사용 AP(p)는 차수가 p인 자기 회귀 모형 AR1. 백색잡음: 과거의 값으로 현재의 값을 예측할 수 없는 랜덤한 상태 AR2. 확률 보행: 현재 값을 예측할 수 있는 가장 좋은 값은 어제의 값 [ yt=yt−1+ϵt ] AR3. 표류가 있는 확률 보행: 시간이 지남에 따라 평균적으로 값이 증가/감소[ yt=c+yt−1+ϵt ] AR4. 정상성을 만족하는 모형 => AR4를 제..
데이터 분석/시계열 데이터 분석
2023. 11. 8. 23:25