파이토치로 배우는 LLM & AI

261

9

장

시퀀스와 시계열 데이터 이해하기

값을 예측하기가 훨씬 어려워 보입니다.

값

시간

그림

9-5

잡음이 추가된 자기상관 시계열

그렇다면 이제부터 이런 특징이 포함된 시계열을 예측하는 방법을 알아보겠습니다.

9.2

시계열 예측 기법

머신러닝 기반 시계열 예측을 알아보기 전에 조금 단순한 예측 방법을 먼저 살펴보겠습니다.

이를 통해 머신러닝 예측의 정확도를 비교할 수 있는 기준 성능을 만들겠습니다.

9.2.1

기준 성능을 위한 단순한 예측

시계열을 예측하는 가장 기본적인 방법은

t

+

1

시간의 값을

t

시간의 값으로 예측하는 것입니

다. 이는 한 스텝만큼 시계열을 이동하는 효과를 냅니다.

먼저 트렌드, 계절성, 잡음을 가진 시계열 데이터를 만들어 보죠.

262

1

부

모델 구축

def plot_series(time, series, format="-", start=0, end=None):

plt.plot(time[start:end], series[start:end], format)

plt.xlabel("Time")

plt.ylabel("Value")

plt.grid(True)

def