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
- ETRI
- 소셜네트워크분석
- 한국전자통신연구원
- arima
- hadoop
- SQLD
- KT 에이블스쿨
- 기계학습
- r
- 딥러닝
- 하계인턴
- kaggle
- SQL
- 에이블러
- 시계열
- 에이블스쿨
- 가나다영
- 시각화
- 에트리 인턴
- cnn
- ggplot2
- 지도학습
- 한국전자통신연구원 인턴
- Ai
- 머신러닝
- ML
- 빅데이터분석기사
- 웹크롤링
- Eda
- matplot
- python
- 프로그래머스
- httr
- 하둡
- 서평
- KT AIVLE
- dx
- 다변량분석
- kt aivle school
- 빅분기
Archives
- Today
- Total
목록ARMA모형 (1)
소품집
ARMA model - 자기회귀이동평균
13장 (ARMA model) Backward shift operator, 후진 연산자(B) 시계열 데이터의 래그(lag,L = 이전 시점 데이터)값을 표현 ARMA 자기회귀이동평균 (AR+MA) 위 식을 전개하기 전의 식은 yt=AR(p)+MA(q)로 쓸 수 있게 된다. ARMA(p,q) 모형은 AR(p) 모형과 MA(q) 모형의 특징을 모두 가지는 모형을 말한다. 즉 p개의 자기 자신의 과거값과 q개의 과거 백색 잡음의 선형 조합으로 현재의 값이 정해지는 모형이다. Yt=−ϕ1Yt−1−ϕ2Yt−2−⋯−ϕpYt−p+ϵt+θ1ϵt−1+θ2ϵt−2⋯+θqϵt−q 제약조건은 이 둘의 조건을 모두 만족해야하며, 모수 값을 적게 가져가는 모델을 더 높히 평가하는 추세임. ARMA 모형 시뮬레이션 ARMA(1,1..
Time series
2020. 6. 22. 21:14