[AICE] 시계열

# 날짜 datetime

import datetime
data_dropped['date'] = pd.to_datetime(data_dropped['date'],format='%Y%m%d')
data_dropped = data_dropped.set_index('date')
data_dropped

train = data_dropped.loc[:datetime.datetime(2019,10,31),:]
test = data_dropped.loc[datetime.datetime(2019,11,1):,:] 

 

prophet

g : 트렌드의 변화를 예측

시간이 흐르더라도 점차 커지거나 작아지는 등의 변화입니다.

매년 증가하는 해양 수온과 같은 데이터의 방향성, 지구온난화

 

s : 주기성 에측(주 단위, 연 단위 등으로 시간이 흐르면서 일정하게 반복되는 패턴을 학습)

겨울, 여름

 

h : 휴일과 같은 특별한 이벤트에 대해 예측

어떤 데이터는 특정 요일에 급변하는 경우 - 이들 데이터가 다른 데이터들에 대한 학습을 방해하지 않도록 구분해야함

 

e : 데이터가 예측 범위 내에서 정규분포로 움직일 것이라 예상한 오차

 

---

AR

현재값은 이전값에 영향을 받음

 

 

MA

현재값은 이전값의 오차에 영향을 받음(시간에 따라 값이 지속적인 경향을 가질 것)

 

 

ARIMA

AR모델에서 평균이 이동할 수 있다는 가정을 추가

 

!pip install statsmodels

from statsmodels.tsa.arima_model import ARIMA

model = ARIMA(train, (p,d,q))
model_fit = model.fit()
full_forecast = model_fit.forecast(steps=test.shape[0])
forecast = pd.DataFrame(full_forecast[0], index=test.index, columns=test.columns)