Skip to content

DINO ROMANTIST

#data scientist

Menu
  • AI
  • Data Science
  • IT
  • Programming

[카테고리: ] 시계열예측

Posted on2021년 6월 12일2021년 6월 12일Data Science

시계열 분해 (decompose) 방법 – 시계열 분석

by dinoLeave a comment on 시계열 분해 (decompose) 방법 – 시계열 분석

시계열 분해 방법 기본적으로 시계열 분해 방법은 decompose와 같이 분해 하는 방법이다.  두 가지 type(adaptive, multi)로 decompose 하는 방법이 있다. 시계열 분해 방법은 추세와, 계설성과,…

Read More
Posted on2021년 6월 12일2021년 8월 31일Data Science

단위근 차분 – 시계열분석

by dinoLeave a comment on 단위근 차분 – 시계열분석

단위근 차분 기존에는 ACF, PACF 를 통해서 ARIMA 의 차수를 정하는 것을 확인하였는데, 만약에 차분을 한다면 몇번을 해야하는지 확인하는게 단위근 을 테스트하는것이다. 추세선 + 정상성과정…

Read More
Posted on2021년 6월 12일2021년 6월 14일Data Science

ARIMA 모형 (계절형) – 시계열분석

by dinoLeave a comment on ARIMA 모형 (계절형) – 시계열분석

ARIMA 모형 (계절형) ARIMA 모형을 보기전에 먼저 계절성을 가지는 데이터로 우리나라의 실업률의 데이터로 그래프를 보면 아래와 같은 형태로 나온다. 그래프를 분석하면 트렌드를 가지고 있고 분산이…

Read More
Posted on2021년 6월 10일2021년 6월 14일Data Science

ARIMA 모형 (비계절성) – 시계열분석

by dinoLeave a comment on ARIMA 모형 (비계절성) – 시계열분석

ARIMA – 비계절성 정상시계열과 ARIMA 모형 – 정상시계열이란 데이터가 시간이 지나도 trend가 없이 자기 위치에서 움직이는 시계열 자료로 완벽한 정상 시계열은 백색잡음이다(white noise) – 백색잡음과정(white noise…

Read More
Posted on2021년 6월 9일2021년 10월 5일Data Science

지수평활법(exponential smoothing)

by dinoLeave a comment on 지수평활법(exponential smoothing)

지수평활법(exponential smoothing) 예를 들어 주가에 차트를 보면 이동평균선(5,20,60,120)이 있다. 120이란 말은 120일 평균을 낸것이다. 20일 이동 평균선(20MA) $\dfrac{y_{-1} + y_{-2} + …..+ y_{-20}}{20}$ 위 식을…

Read More

INDEX

<통계>
– Generalized Linear Model
– Logistic Regression
– Model Building and Applying
– 자료의 연관
– 표본분포
– 표본분포 – 카이제곱분포
– 표본분포 – t 분포
– 표본분포 – F 분포
– 통계적 추정
– 지수평활법(exponential smoothing)
– ARIMA – 비계절성
– ARIMA – 계절성
– 단위근과 차분
– 시계열분해방법

<머신러닝>
–
 분류모형
– 의사결정나무(1) (Decision Tree)
– 의사결정나무(2) (Decision Tree)
– 랜덤포레스트 (Random Forests)

<선형대수학>
– 
가우스-조단 소거법
– LU 분해
– 행렬 특징
– 공분산행렬

<Programming>
–
 python – SettingWithCopyWarning
– pandas round 함수 사용시 주의할 점
– python pandas 정렬( sort_values, nlargest, nsmallest)
– python pandas 전처리 (범주형)
– EDA (EXPLORATORY DATA ANALYSIS) WITH PYTHON
– python data 시각화 – matplotlib #1
– python data 시각화 – matplotlib #2
– python data 시각화 – pandas #1
–
 python data 시각화 – pandas #2
–
 python data 시각화 – seaborn #1
– python data 시각화 – seaborn #2

<Statistics Test>
– Bartlett’s Test
– Chi Square Test
– Correlation Test
– Duncan Test
– F Test
– Friedman Test
– Kruskal-Wallis Test
– Levene’s Test
– Ljung-Box Test
– Log Likelihood Ratio Test
– Mann-Whitney Test
– Normality Test
– One Sample T Test
– Two Sample T Test
– Paired T Test
– One Way ANOVA
– Two Way ANOVA
– Tukey’s Range Test
– Wilcoxon Test
– Robust ANOVA

<Classification>
– AdaBoost Classification
– Decision Tree
– K-nearest neighbors
– Logistic Regression
– MLP Classification
– Naive Bayes
– One vs Rest LR Classifier
– Random Forest
– SVM
– XGB Classification

<Regression>
– AdaBoost Regression
– GLM
– Isotonic Regression
– Linear Regression
– Penalized Linear Regression
– PLS Regression
– Polynomlal Regression
– Stepwise Linear Regression

<Clustering>
– Agglomerative Clustring
– Gaussian Mixture
– Hlerarchical Clustering
– K-Means
– Power Iteration Clustring

<Time Series>
– ARX
– ARIMA
– Holt-Winters
– AutoCorrelation
– Cross Correlation
– Time Series Decomposition
– Time Series Distance
– Time Series Smoothen
– Unit Root Test
– SPC ruleset AD

Amphibious Theme by TemplatePocket ⋅ Powered by WordPress