반응형 LSTM5 [머신러닝 with Python] Prophet 모델 알아보기(시계열 예측) 이번에는 시계열 예측(Time Series Forecasting) 모델 중 라이브러리 형태로 쉽게 구현 가능하면서도 효과적인 Prophet 모델에 대해서 알아보겠습니다. Prophet은 (구) Facebook ( 현: Meta) 에서 만든 시계열 예측 모형입니다. [위 모델은 논문 "Forecasting at scale(2017, Tayloer et al.)"을 통해 공개되었습니다.]1. Prophet 모델 - Prophet은 Bayesian 구조 시계열(Bayesian Structural Time Series, BSTS) 모델을 기반으로 한 추세(Trend), 계절성(Seasonality), 공휴일 효과(Holiday Effects)를 결합하여 예측한 모델입니다. - Prophet의 경우, ARIM.. 2025. 3. 1. [딥러닝 with Python] LSTM을 활용한 회귀 분석 이번 포스팅은 지난번에 알아본 LSTM의 개념을 바탕으로 실습을 해보는 내용입니다. 1. LSTM을 활용한 회귀 분석- LSTM은 RNN의 한 종류로, 시계열 데이터 분석에 효과적인 구조를 가지고 있습니다. LSTM은 시간 의존성이 긴 데이터에서도 중요한 패턴을 학습할 수 있도록 설계되었으며, 회귀 분석에서는 연속적인 값 예측, 주가 분석, 온도 예측 등 다양한 연속형 데이터 문제에 활용될 수 있습니다. - LSTM을 시계열 데이터의 회귀 분석에 활용 시 다음과 같은 장점들이 있습니다. 1) 시간 의존성 학습 : 시계열 데이터에서 이전 시점의 정보를 사용해 현재 시점의 결과를 예측할 수 있습니다. 2) 장기 의존성 해결 : LSTM의 게이트 구조(입력, 망각, 출력 게이트)는 RNN의 단점인 장기 의존성.. 2024. 12. 3. [딥러닝 with Python] 순환 신경망(Recurrent Neural Network) 이번에는 순환 신경망(Recurrent Neural Network)에 대해서 알아보겠습니다. 1. 순환 신경망이란?(Recurrent Neural Network)- 순환 신경망은 순서가 있는 데이터를 다루는 아키텍처입니다. * 예를 들어 음악, 소리, 행동에 관련된 순서를 바탕으로 정리된 데이터나 비디오와 같이 시각적인 정보가 순서가 있게 구성된 데이터 등을 다룰때 활용됩니다. - 순환 신경망은 시간적 순서 정보인 Temporal Information 뿐만 아니라, 텍스트, 악보와 같이 공간적인 순서 정보인 Spatial Information도 다루는 신경망 구조 입니다. - 이 구조를 간단히 시각화 및 수식으로 표현해보면 아래와 같습니다. 즉, 기존 상태와 인풋으로 입력된 순서상 다음 상태인 현재 상태.. 2024. 11. 3. [개념정리] Gated Network(Gating Mechanism) 이번에 알아볼 내용은 Gated Network에 대한 개념정리입니다. 1. Gated Network- Gated Network는 게이트 메커니즘(Gating mechansim)을 활용하여 * 정보의 흐름을 제어하고, * 중요한 정보를 선택적으로 통과시키며 * 불필요한 정보를 차단하는 신경망 구조를 일컫습니다. - 이는 주로 시계열 데이터나 순차적 데이터에서 사용되며, 장기 의존성(long-term dependency)를 처리하거나, 입력 데이터의 특정 부분이 중요할 때 이를 강조하는데 활용됩니다. - Gated Network의 주요 구성요소는 당연하게도 게이트(Gate) 입니다. * 게이트(Gate)는 시그모이드 함수를 통해 입력 데이터를 0과 1 사이의 값으로 변환하고, 이를 곱셈 연산에 사용하여 어떤.. 2024. 10. 17. 이전 1 2 다음 반응형
