[ML] 시계열 데이터

시계열의 정의

시계열.. 시계..열? watch..?

시계열이라는 말 자체는 생소하지만 한자를 해석해보면 의미하는 바는 매우 쉽다.  한자로 풀면

때 시(時), 차례 계(系), 줄 열(列), 시간에 따라 차례 대로 모여있는 열이다.

하나의 변수에 대해서 일정한 시간간격으로 기록된 데이터를 의미한다. 매일의 온도, 매 시간마다의 같은 주식의 평가액 과 같은 것들이 예시가 될 수 있겠다.

 

시계열을은 크게 3개의 구성 요소로 나눠볼 수 있다.

추세(trend), 계절성(seasonality), 잡음(noise) 이다.

 

표를 기준으로 전체적으로 우상향하는 '추세', 1년 주기로 오르락 내리락하는  '계절성', 그 위에 불규칙한 떨림들이 '잡음'이다.

 

추세

데이터가 장기적으로 어느 방향으로 흘러가나를 보여주는 성분이다.

위 표 처럼 일정하게 오르내리는 선형(linear), 갈수록 가팔라지는 지수형(exponential), 점점 완만해지는 감쇠형(damped)의 케이스로 추세가 나온다. 

 

계절성

고정된 주기로 반복되는 패턴을 말한다. 여기서 헷갈리면 안되는건 고정된 주기인 1월 ~ 12월의 날씨 패턴은 계절성이라고 볼 수 있지만, 좋았다가 나빠졌다가 하는 경기, 부동산 사이클과 같이 주기가 일정하지 않은 '순환'은 계절성으로 보지 않는다.

 

잡음

추세와 계절성을 덜어낸 불규칙한 부분이다. 이상적인 잡음 데이터는 white noise라고 한다. 이는 모델링의 품질을 진단하는 잣대가 된다. 모델이 추세와 계절성을 잘 잡아냈다면 남은 잡음에서는 더 이상 관측 가능한 패턴이 남아있지 않아야한다. 잡음에서 패턴이 발견된다면 그건 모델이 놓친 부분이 있다는 신호로 인지할 수 있겠다. 

 

각각의 데이터로 분리

 

 

목표

이 시계열 분석은 결론적으로 과거를 분석해서 미래를 예측하는데 목표를 두고 있다. 과거에 있었던 내용들의 원인을 확인하고 미래를 예측하면서 이전과는 다른 이상치들을 탐지한다.