마무리

Python으로 배우는 시계열 데이터 Machine Learning

Chris Holdgraf

Fellow, Berkeley Institute for Data Science

시계열과 머신러닝

• 시계열과 머신러닝의 다양한 활용
• 항상 데이터를 먼저 시각화
• scikit-learn API로 프로세스 표준화

특성 추출 및 분류

• 시계열 분류를 위한 요약 통계
• 여러 특성을 단일 입력 행렬로 결합
• 시계열 데이터의 특성 추출

모델 적합 및 데이터 품질 개선

• 회귀를 위한 시계열 특성
• 시간에 따른 예측 생성
• 시계열 데이터 정제 및 개선

모델 성능 검증 및 평가

• 시계열 데이터의 교차 검증 (데이터를 섞지 마십시오!)
• 시계열 정상성
• 모델 계수 및 점수 안정성 평가

시계열의 고급 개념

• 고급 윈도우 함수
• 신호 처리 및 필터링
• 스펙트럼 분석

고급 머신러닝

• 고급 시계열 특성 추출 (예: tsfresh)
• 회귀 및 분류를 위한 복잡한 모델 아키텍처
• 시계열 분석을 위한 프로덕션 파이프라인

연습 방법

• 시계열 데이터로 기술을 연습할 기회가 많습니다.
• Kaggle에는 다양한 시계열 예측 챌린지가 있습니다.
• Quantopian은 예측 모델 학습 및 활용에 유용합니다.

연습해 봅시다!

Python으로 배우는 시계열 데이터 Machine Learning