시계열

시계열 데이터 분석, 예측 모델, 관련 논문.

시계열 데이터 분석, 예측 모델, 관련 논문.

상위 개념: 머신러닝

15 posts · 아카이브에서 필터로 보기

[Paper Review] Downside-Controlled Online Forecast Combination under Delayed and Revised Outcomes

논문 개요와 전체 구조 Downside-Controlled Online Forecast Combination under Delayed and Revised Outcomes는 다시 학습할 수 없는 시계열 예측기에 보정 계층을 붙일 때, 평균 정확도 향상과 개별 데이터에서의 성능 악화를 어떻게 함께 평가해야 하는지 다룹니다. Minkyoung Kim, ...

[Paper Review] CAST: Context- and Anomaly Structure-Conditioned Time Series Anomaly Generation

논문 개요와 전체 구조 시계열 이상탐지에서는 정상 데이터보다 이상 데이터의 확보가 어렵습니다. 발전량이나 교통량을 오래 관측해도 장애·급격한 변화 사례는 적을 수 있고, 심전도처럼 이상 형태가 다양한 데이터에서는 몇 개의 사례만으로 전체 분포를 배우기 어렵습니다. CAST는 주변의 정상 문맥과 생성하려는 이상 형태를 서로 다른 조건으로 제공해, 이상...

[Paper Review] TabPFN-3: Technical Report — 대규모 표 데이터와 추론 시 확장

논문 개요와 전체 구조 TabPFN-3는 합성 표 데이터로 사전학습한 모델에 실제 학습 표를 문맥으로 제공하여 새로운 행을 예측하는 tabular foundation model입니다. 이 기술 보고서의 중심 질문은 이 방식의 성능을 유지하면서 학습 행을 100만 개까지 늘리고, 반복 예측의 메모리와 지연 시간을 줄일 수 있는가입니다. 답은 행을 먼저...

[Paper Review] A generic non-invasive neuromotor interface for human-computer interaction

메타(Meta)가 손목 밴드를 착용하고 손목이나 손가락의 작은 움직임만으로도 마우스 조작과 키보드 입력이 가능한 혁신적인 기술을 발표했습니다. 이 기술은 우리 몸이 만들어내는 아주 미세한 전기신호를 읽어내 컴퓨터와 소통하는 방식을 근본적으로 바꿀 잠재력을 가지고 있는데요. 손가락으로 허공이나 책상 위에 글씨를 쓰면 그대로 화면에 입력되는 미래가 현실로...

[Paper Review] Mamba: Linear-Time Sequence Modeling with Selective State Spaces

최근 딥러닝 아키텍처의 중심에는 트랜스포머가 자리 잡고 있습니다. 대규모 언어 모델(LLM)뿐만 아니라, 그림을 생성하는 데 쓰이는 디퓨전 모델 또한 트랜스포머 구조를 활용하고 있습니다. 이외에도 시계열 분석이나 추천 시스템과 같은 다양한 분야에서 트랜스포머가 핵심적인 역할을 하고 있습니다. 그러나 트랜스포머를 대체할 수 있는 새로운 아키텍처를 모색...

[Paper Review] Structured State Space Models for Deep Sequence Modeling

시계열 데이터를 효율적으로 처리하는 방법은 지난 몇 년 동안 빠르게 발전했습니다. 특히, CMU에 계신 Albert Gu 교수님은 긴 시계열 의존성(Long-Range Dependencies, LRDs)을 처리하는 데 집중한 HiPPO(2020), LSSL(2021), 그리고 S4(2022)와 같은 연구들을 하고 계십니다. 이번 글에서는 연구의 흐름...

[Paper Review] Resurrecting Recurrent Neural Networks for Long Sequences

논문 “Resurrecting Recurrent Neural Networks for Long Sequences”는 25 Apr 2023에 publish되었으며, ICML 2023 OralPoster에 발표된 논문입니다. 해당 논문은 “Recurrent Neural Networks (RNN)의 성능을 복원하여 긴 시퀀스에서의 효율적인 학습과 추론”을 ...

[개념] 시스템, 미분방정식, 그리고 상태 공간 모델

우리는 일상생활에서 다양한 시스템과 상호작용하고 있습니다. 동적 시스템은 그중 하나로, 시간이 지남에 따라 상태가 변화하는 시스템을 의미합니다. 상태 공간(State Space) 모델은 복잡한 동적 시스템을 이해하고 분석하는데 중요한 도구입니다. 이 모델은 시스템을 상태(state)라는 개념으로 표현하며, 이를 통해 시간에 따른 시스템의 변화를 행렬로...

Prophet을 활용한 시계열 예측🔭

Prophet 소개 Facebook Prophet은 시계열 데이터의 예측을 위해 Facebook에서 개발한 오픈소스 라이브러리입니다. Prophet은 자동화된 이상 탐지 및 계절성 분석을 지원하며, 특히 비즈니스 예측(예: 매출, 사용자 수, 웹 트래픽 등)에 유용합니다. 링크: https://facebook.github.io/prophe...

[개념정리] 시계열 인과관계 분석: Granger Causality

안녕하세요😊 지난 번 포스트에서 “인과관계와 상관관계의 개념”(링크)에 대해서 살펴보았는데요. 오늘은 시계열 분석의 핵심 개념 중 하나인 ‘그랜저 인과관계(Granger causality)’에 대해 알아보고, 이를 실제 데이터에 적용해보는 시간을 가져보겠습니다. 실습에 사용할 데이터는 Kaggle 데이터 중 하나인 Advertising Sales ...

[개념] 신호처리 및 푸리에 변환

신호처리란? 신호처리(Signal Processing)는 신호를 분석하고 변환하며 해석하는 기술과 방법을 연구하는 학문입니다. 신호는 시간에 따라 변화하는 물리량이나 데이터로, 음성, 영상, 전기 신호, 생체 신호 등 다양한 형태로 존재할 수 있습니다. 신호처리의 목적은 이러한 신호로부터 유용한 정보를 추출하거나 신호를 변형하여 특정 목적을 달성하는...

[TS] 시계열 이상탐지 시각화

오늘의 코드 시계열 전문가로서, 시계열 데이터분석가로서 다변량 시계열 데이터를 시각화하고 이를 살펴보는 작업은 매우 중요합니다. 이에 오늘은 제가 주로 연구/업무에 사용하는 이상탐지 시각화 코드를 정리하고자 합니다. 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...

[TS] 주/월별 초기 날짜 변환 함수

작성 사유 데이터 분석을 하다 보면, 시계열 데이터를 주간, 월간으로 쪼개서 넣어주어야 하는 경우가 생각보다 빈번하다. (ISO 주 번호 체계 기준으로 작성) 이를 위해 아래 코드를 미리 작성해서 사용에 편의성을 높이고자 한다. 함수 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 ...

[머신러닝][시계열] AR, MA, ARMA, ARIMA의 모든 것 - 실습편

본 포스팅은 실제 데이터를 활용한 시계열 분석의 전반적인 프로세스 과정을 담고 있습니다. 분석 팁이나 피드백은 언제나 환영입니다!! 🙇‍♂️ 분석의 순서는 아래와 같습니다. 해당 분석은 앞에서 다룬 시계열 개념을 기반으로 분석을 수행한 것이므로 개념을 찾아보고 싶다면 제 이전 포스트에서 확인하실 수 있습니다. 참고 데이터 선정 및 전처리 ...

[머신러닝][시계열] AR, MA, ARMA, ARIMA의 모든 것 - 개념편

오늘은 머신러닝 시계열에서 가장 많이 쓰이는 AR, MA, ARMA, ARIMA에 대해 정리해보는 시간을 가지려고 합니다. 해당 포스트는 고려대학교 김성범 교수님의 강의를 바탕으로 제작되었습니다. 목차 정상 프로세스와 비정상 프로세스 Autoregressive (AR) Models Moving Average (MA) Models A...