0. 시계열 데이터 분석 방법론 트렌드

안녕하세요,

 

시계열 분석에 앞서 시계열 분석 방법론 트렌드에 대해 알아 보도록 하겠습니다:)

 

다음과 같이 크게 세가지로 분류해볼 수 있습니다. 

 

 

 

 

1) 전통 통계 기반 

       - 이동평균법(moving average)

       - 지수 평활법 (exponential smoothing)

       - ARIMA 모델 (autoregressive integrated moving average model)

       - SARIMA 모델 (seasonal arima model)

       - binary variable model (해당 시점만 1, 나머진 0으로 변환)

       - trigonometric model (sine 과 cosine 함수의 조합으로 표현)

       - ARIMAX 모델 (autoregressive integrated moving average exogenous model, x 변수를 활용해 y를 예측)

       - prophet , ...

 

2) 머신러닝 기반

       - linear regression , logistic regression model

       - support vector machine/regression

       - (bagging) random forest

       - (boosting) adaboost, xgboost, lightgbm, catboost, ..

       - hmm(hidden markov model)

 

3) 인공지능 기반

 

       - RNN (recurrent neural networks, 1986)

       - LSTM (1997)

       - GRU (2014)

       - seq2seq (2014)

       - seq2seq with attention(2015)

       - CNN for time series analysy (2016)

       - transformer (2017)

       - GPT-1 (2018), BERT(2019), GPT-3(2020), GPT-3.5, ChatGPT(2023)