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 |
- TeachagleMachine
- 강화학습 기초
- FirebaseV9
- 딥러닝
- 정치인
- 데이터분석
- 크롤링
- 클론코딩
- coding
- App
- expo
- 리액트네이티브
- 사이드프로젝트
- JavaScript
- Instagrame clone
- redux
- 머신러닝
- 조코딩
- pandas
- 카트폴
- 전국국밥
- ReactNative
- python
- React
- 앱개발
- 강화학습
- Ros
- selenium
- kaggle
- clone coding
- Today
- Total
목록SARIMA (2)
qcoding
** 아래의 글들을 참조하여 작성하였습니다. https://robjhyndman.com/hyndsight/longseasonality/ Rob J Hyndman - Forecasting with long seasonal periods robjhyndman.com https://stackoverflow.com/questions/68923679/forecasting-time-series-with-multiple-seasonaliy-by-using-auto-arimasarimax-an Forecasting time series with multiple seasonaliy by using auto_arima(SARIMAX) and Fourier terms I am trying to forecast a time ..
* Bulding 소모 전력 예측을 위한 시계열 모델인 SARIMA 모델 사용방법 => 제공된 데이터는 2018-07-01 00:00:00 ~ 2019-12-31 23:59:00 까지의 데이터로 1분단위의 전기제품의 kw 의 소모량으로 되어 있는 데이터 set임 => 분단위 데이터는 너무 많으므로 최종적으로 일단위로 묶어서 일별 소모 전력량을 예측하는 모델을 만들어 봄. 1) 데이터 주중 / 주말 패턴 분리 2) 최소 단위의 계절성 성분 찾기 3) 예측할 데이터 프레임 생성 4) pmd arima 사용 5) 예측하기 5-1) n_period를 test 사이즈와 동일하게 한번에 예측하기 5-2) n_period를 1개씩 추가하여, 새로운 관측치가 들어올때 마다 모델을 학습한 후 예측수행 1) 데이터 주중 ..