시계열 데이터에서 왜 필요한가? 시계열 데이터는 시간의 흐름에 따라 기록된 데이터입니다. 이 데이터를 분석할 때 중요한 건 과거 값이 현재나 미래 값에 영향을 주는지 확인하는 것이죠. 이걸 확인하려면 서로 시간 간격(lag)이 있는 값들끼리 얼마나 관련이 있는지 알아야 하는데, 그걸 측정하는 게 바로 자기공분산함수(ACVF) 자기상관함수(ACF) 자기공분산함수(Autocovariance Function, ACVF) 정의 시간차(시차)…
혼공학습단 14기 신청하기 혼공학습단 활동과 커리큘럼 알아보기 이번에도 혼공학습단 신청하고 말았습니다. 지난 13기에 신청하고 혼공족장님께 깊이 감명을 받아서 14기도 참을 수가 없었어요. 지난번에는 혼공학습단을 하면서, 자율학습단을 하면서, ADsP까지 동시에 진행하는 바람에 아주 개고생을 했었지요. 이번에는 빅분기와 함께 진행할거에요. 스불재인생! 혼공학습단 14기는 2025.6.11 ~ 24 까지 모집한다고하니, 하실분들은 빨리…
고급 마크다운 문법 익히기 표 만들기 표 추가하기 : 명령어 팔레트에서 ‘Insert table’ 기본적으로 1행에 텍스트를 입력하면 굵게 처리됩니다. 마크다운 문법으로 표를 작성할 수도 있는데, 이때에 행을 구분할 때는 개행을, 열을 구분할 때는 | 기호를 사용합니다. (제목이 필요하다면 각 열 제목 아래에 —를 입력합니다.) 옵시디언에서 표를 마크다운으로 입력할 때는 문법은…
노트에 링크로 정보 연결하기 내부 링크로 노트 연결하기 내부 링크는 볼트 안에 있는 노트의 연결을 만들 때 사용합니다. [[링크할 노트의 제목]] [Cmd]나 [Ctrl]을 누른 상태에서 내부 링크에 마우스를 올리면 노트 내용을 미리 볼 수 있습니다. 내부 링크는 존재하지 않는 노트의 제목으로도 작성할 수 있습니다. 내부 링크한 노트의 실제…
코어 플러그인 알아보기 옵시디언에서 기본 제공하는 플러그인을 코어 플러그인이라고 합니다. – Backlinks : 현재 노트를 링크하는 노트 또는 현재 노트의 이름이 언급되었지만 링크되지 않은 노트를 보여주는 플러그인 – Canvas : 노트를 배치하고 노트 간의 연결 관계를 표현하거나 그룹으로 묶는 등 시각화하는 플러그인 – Command palette : 옵시디언에 명령을 내릴 수…
방송대 종강 기념으로 전자도서관에서 대출을 해서 이번에야 말로 완독을 하려 합니다. 이미 노션과 굿노트를 사용하고 있지만 옵시디언도 사용하고 싶어요. 무엇보다 옵시디언은 초기장벽이 굉장히 높은 느낌이라서 정복욕을 더욱 자극하는군요. 지난번에도 시도는 했었지만 실패했었거든요. 이번에야말로 정복하겠습니다. 제가 선택한 입문도서는 시안님의 세컨드 브레인은 옵시디언입니다. 뇌 빼고 다니는게 제 소원이에요. 허나…
1. 지수평활법 (Exponential Smoothing) 1-1. 개념 과거 값에 가중치를 두는데, 최근 값일수록 더 큰 가중치를 부여하는 방법이에요. 과거 데이터를 오래된 순서대로 잊어버리면서 최근 데이터에 비중을 두는 방식 1-2. 단순 지수평활 y^t+1=αyt+(1−α)y^t\hat{y}_{t+1} = \alpha y_t + (1-\alpha) \hat{y}_t α\alpha : 평활상수 (0~1) 값이 클수록 최근 데이터 반영 비율↑ 1-3. 홀트-윈터스…
1. 가성적 회귀란? 1-1. 문제 상황 시계열 데이터 두 개가 둘 다 불안정(단위근이 있는 경우, I(1))인데이걸 그냥 회귀하면 R² 값이 0.9 이상 뜨고 잔차는 분명히 상관이 있는 엉터리 결과가 나오는 현상 이걸 가성적 회귀(spurious regression) 라고 해요. 1-2. 해결법 두 시계열이 공적분 관계인지 확인공적분이면 장기균형관계로 해석 가능아니면 회귀하면 안 됨…
1. VAR 모형이란? 1-1. 시계열 예측 기본 기존에는 AR, ARIMA 모형처럼 한 변수만 시간에 따라 분석했죠. 그런데 현실에서는 여러 변수가 서로 영향을 주고받으며 동시에 움직이므로그걸 고려해야 해요. 그래서 등장한 게 VAR (벡터자기회귀 모형)입니다. 1-2. VAR 모형 구조 두 변수 YtY_t XtX_t 가 있을 때 AR은 이렇게 Yt=a0+a1Yt−1+utY_t = a_0 +…
예측데이터의 시계열분해(2) — 계절조정, 추세, 순환변동까지 1. 계절조정법 시계열 데이터에는 계절성(일정 주기로 반복되는 패턴)이 존재합니다.이를 제거해서 순수한 추세와 변동성만 남긴 값을 얻는 것이 계절조정이에요. 1-1. STL 계절조정법 STL(Seasonal and Trend decomposition using Loess) 기법은데이터를 추세 계절성 불규칙성으로 분해하는 방법입니다. 이걸 반복적으로 갱신하며 정밀하게 조정하는데, 아래와 같은 과정을 거쳐요. STL 조정…