원문 Building Seq2Seq LSTM with Luong Attention in Keras for Time Series Forecasting | by Huangwei Wieniawska | Level Up Coding (gitconnected.com) Building Seq2Seq LSTM with Luong Attention in Keras for Time Series Forecasting Do you want to try some other methods to solve your forecasting problem rather than traditional regression? There are many neural network… levelup.gitconnected.com 시계열 예측을 위..

원문 towardsdatascience.com/ml-approaches-for-time-series-4d44722e48fe ML Approaches for Time Series In this post I play around with some Machine Learning techniques to analyze time series data and explore their potential use in this case… towardsdatascience.com ML Approaches for Time Series 비-전통적인 모델로 타임시리즈를 모델링 해봅시다. 이번 포스팅에서는 타임시리즈 데이터를 분석하기위해 머신러닝 기법을 사용하고, 이 시나리오 하에서 잠재적인 사용을 분석할 것입니다. 첫번째 포스..

시계열 데이터는 일정 기간 동안 일련의 시간 간격으로서 수집된 데이터 지점이다. 시계열 데이터 분석이란 이용 가능한 데이터를 분석하여 데이터의 패턴이나 추세를 파악하여 미래 가치를 예측함으로써 보다 효과적이고 비즈니스 의사결정을 최적화하는 데 도움이 되는 것을 의미한다. 시계열 분석 방법 게다가 , 타임 시리즈 분석은 다음과 같이 분류될 수 있다 : 1. 모수와 비모수 2. 선형과 비선형 3. 단변량과 다변량 타임시리즈 분석에 사용되는 기법들은 다음과 같다 : 1. ARIMA 모델 2. Box-Jenkins 다변량 모델 3. Holt winters 지수 스무딩 (single, double and triple) ARIMA 모델링 ARIMA는 AutoRegulation Integrated Moving Ave..

시계열 데이터 생성 # 시계열 데이터 생성 import pandas as pd data_ix = pd.date_range("2020/04/13",periods=5,freq="D") #일 >>>DatetimeIndex(['2020-04-13', '2020-04-14', '2020-04-15', '2020-04-16', '2020-04-17'], dtype='datetime64[ns]', freq='D') data_ix = pd.date_range("2020/04/13",periods=5,freq="M") #월 >>>DatetimeIndex(['2020-04-30', '2020-05-31', '2020-06-30', '2020-07-31', '2020-08-31'], dtype='datetime64[ns]'..