| 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 |
- KT AIVLE
- arima
- 시계열
- 시각화
- 에트리 인턴
- dx
- httr
- Eda
- python
- 프로그래머스
- 지도학습
- ML
- 에이블러
- 웹크롤링
- matplot
- 소셜네트워크분석
- 서평
- kaggle
- hadoop
- KT 에이블스쿨
- 빅데이터분석기사
- 한국전자통신연구원 인턴
- 기계학습
- ggplot2
- ETRI
- kt aivle school
- 한국전자통신연구원
- SQLD
- 머신러닝
- 에이블스쿨
- 하계인턴
- SQL
- 가나다영
- 하둡
- r
- cnn
- 빅분기
- 다변량분석
- Ai
- 딥러닝
- Today
- Total
목록Time Series (2)
소품집
Informer: Beyond Efficient Transformer for Long Sequence Time-Series Forecasting 리뷰
https://github.com/zhouhaoyi/Informer2020 GitHub - zhouhaoyi/Informer2020: The GitHub repository for the paper "Informer" accepted by AAAI 2021. The GitHub repository for the paper "Informer" accepted by AAAI 2021. - zhouhaoyi/Informer2020 github.com Transformer 모델이 장기 시퀀스 데이터에 대하여 효율적인 학습을 개선하기 위한 연구가 많이 진행되고 있는데, 기존 self-attention 메커니즘은 feature 간의 상관 계수를 직접 계산하여 시퀀스 내의 장기 의존성을 캡쳐할 수 있는 장점이 있으나..
[TimeSeries] 시계열 교차검증 with Python : TSCV (Time Serise Cross Validation)
Cross-Validation이 필요한 이유 데이터는 기본적으로 label이 있는 Train / Test set으로 구성되어 있음. 모델 검증을 할 때 Train set을 Train / Validation set으로 분리하지 않으면 Test set으로 사용함. 이 때, 고정된 Test set만 사용해 모델 성능을 확인하면 Test set에만 적합한 모델이 됨. 따라서 Test set에 과적합되어 실제 데이터를 예측할 때 성능이 안 좋을 수 있음. 그래서 고정된 Train / Test set으로 학습하고 평가하다보면 과적합을 일으킬 수 있기 때문에 이를 해결하고자 나온 개념이 Cross-Validation. 교차검증의 종류 (1) K-fold cross-validation 전체 데이터 셋을 k의 subse..