3.3 시계열 데이터 분석

🕒 3.3 시계열 데이터 분석

✅ 1. 시계열 데이터란?

시간 흐름에 따라 쌓인 데이터

• 예: 날마다 측정한 기온, 시간대별 매출, 월별 방문자 수 등
• 특징: 시간이 중요하다.
  → 과거의 패턴을 바탕으로 미래를 예측할 수 있다.

 

✅ 2. 시계열 데이터 안에는 어떤 성분(요소)이 있을까?

 

 

✅ 3. 시계열 데이터 예측 기법

 

① 이동 평균법 (Moving Average)

최근 며칠 평균을 내서 다음을 예측

• 예: 최근 3일 판매량 평균 → 내일 예상 판매량
• 단순 이동 평균: 과거 값들 평균
• 가중 이동 평균: 최근 값에 더 큰 비중

🎯 이건 간단하고 기본적인 방법

 

② 지수 평활법 (Exponential Smoothing)

최근 값에 더 많이 반영해서 예측

• 알파(α): 0~1 사이 값
  → 높을수록 최근 값 더 중요
• 과거 값은 점점 덜 중요하게 반영
• 단기 예측에 적합

📌 비유: 어제 판매량이 오늘보다 더 중요하다고 생각하면 α를 높임

 

✅ 4. 아리마(ARIMA) 모델 – 시험 최빈출! (★★)

✅ 5. ARIMA의 확장 모델들

 

 

✅ 6. 용어 정리