시계열 데이터란?
- 과거의 데이터가 미래의 데이터에 영향을 주는 시간적 종속성과 특정 시간대에 반복되는 패턴이 발생하는 계절성 및 추세를 가지고 있음.
- 시간에 따라 연속적으로 수집된 데이터로, 시간의 흐름에 따른 분석과 예측에 특화 됨
- 시간에 따라 경제적, 환경적 요인에 따라 차이가 존재하며, 종종 누락된 값 또는 이상치를 포함할 수 있음 ⇒ 따라서 결측치처리, 이상탐지, 정규화 및 표준화, 특징추출 등의 전처리를 통해 데이터 질을 향상시키며, 분석의 정화도 및 신뢰성을 향상시킬 수 있음.
- 시계열 데이터의 특징
- 시간 종속성: 시계열 데이터는 시간의 흐름에 따라 변화하며, 시간 간격이 중요한 요소로 작용
- 자기상관성: 시간의 흐름에 따라 데이터가 자기상관성을 가지며, 이전 시간대의 값이 이후 시간대의 값에 영향을 미칠 수 있음
- 추세와 계절성: 데이터에서 특정 추세나 계절성을 파악할 수 있으며, 이는 예측 모델링에 중요한 요소로 작용
- 전처리 필요성: 결측치 처리, 이상치 탐지, 데이터 스무딩 등 전처리 작업이 필요
- 시계열 데이터의 활용
- 금융 데이터 분석: 주식 가격, 환율, 경제 지표 등의 분석 및 예측.
- 기상 예측: 온도, 강수량, 바람 등의 날씨 데이터를 분석하여 기상 예측.
- 제조 공정 모니터링: 기계 작동 데이터, 센서 데이터 등을 분석하여 이상 감지 및 유지 보수에 활용.
- 헬스케어: 환자의 심박수, 혈압 등 생체 신호 데이터를 분석하여 건강 상태를 모니터링.