시계열 데이터의 비지도 분석

목차

Ⅰ. 서론

Ⅱ. 본론
1. 시계열에 대한 비지도 방법
2. 이상징후 감지
3. 이상징후 감지 지표
4. 가용지식에 따른 이상징후 감지 방법
5. 각 기업들의 이상징후 감지를 위한 시계열 서비스
6. 변경점(CPD) 감지
7. 클러스터링

Ⅲ. 결론

Ⅳ. 참고문헌

본문내용

I. 서론
예측 모델의 성능은 데이터의 변화에 따라 쉽게 영향을 받는다. 이러한 변화를 알아내는 방법이 비지도 학습 분야이다. 또한 시계열 분석의 중요한 부분은 기본 프로세스의 변화를 감지해내는 것이다. 이를 변경점 감지(CPD, Change Point Detection) 또는 드리프트 감지(Drift Detection)라고 한다. 이와 같이 변경점은 실제 애플리케이션에서 흔히 발생하는 문제이기 때문에 이에 대해 자세히 파악하는 것이 필요하다. 본 보고서에서는 이와 같이 시계열 데이터에 대한 변화를 알아내는 방법으로 비지도 학습에 대해서 알아보도록 하겠다. 특히 시계열에 대한 비지도 방법, 이상감지, 변경감지, 군집화 방법을 위주로 하여 알아보도록 하겠다.

II. 본론
1. 시계열에 대한 비지도 방법
1) 시계열 데이터의 특징
- 시간 축에 의존하는 경향이 있다.
- 어떤 지점 t1에서 상관관계 구조는 지점 t2에서 동일한 구조 대비 매우 다른 정보를 갖는다.
- 노이즈가 많고 고차원인 경우가 대부분이다.

2) 노이즈 대응 방법
- 노이즈와 차원을 줄이기 위해 차원 감소와 웨이블릿 분석 또는 필터링과 같은 신호 처리 기술(예 : 푸리에분해)을 사용할 수 있다.

참고 자료

Auffarth(2021), Machine Learning for Time-Series with python, Packt