일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | ||||||
2 | 3 | 4 | 5 | 6 | 7 | 8 |
9 | 10 | 11 | 12 | 13 | 14 | 15 |
16 | 17 | 18 | 19 | 20 | 21 | 22 |
23 | 24 | 25 | 26 | 27 | 28 | 29 |
30 | 31 |
Tags
- 시계열 분석
- python
- grad-cam
- AI
- 딥러닝
- Score-CAM
- 메타러닝
- 설명가능한
- Cam
- keras
- coding test
- Artificial Intelligence
- cs231n
- Deep learning
- 설명가능한 인공지능
- 백준
- Unsupervised learning
- 코딩테스트
- Class activation map
- 머신러닝
- Machine Learning
- SmoothGrad
- GAN
- 인공지능
- Interpretability
- Explainable AI
- xai
- meta-learning
- 코딩 테스트
- 기계학습
Archives
- Today
- Total
목록이동평균 (1)
iMTE
1. Smoothing method (moving average)
1. Smoothing method (moving average)1) 분석보통 시계열의 데이터는 noisy한 경우가 있다. Noisy한 데이터를 보면 어느 시간에서 드러나는 계절성과 패턴을 파악하는 것이 어렵다. 따라서, noisy한 데이터를 제거함으로써 시계열의 시간에 따른 패턴을 파악하는 것이 필요하다. 보통 moving average와 exponential smoothing 방법이 사용된다. 가장 먼저, moving average에 대한 개념부터 파악해보자. 먼저 시계열 X가 horizontal pattern을 갖는다고 가정하면, simple moving average는 다음과 같이 계산된다. a는 white noise로 평균이 0이고 표준편차가 sigma인 normal distribution을 따..
Time-series Forecasting/ Prediction
2020. 1. 1. 15:58