인공지능 시대

1. 소개 소개 시계열 데이터 분석에 사용하는 통계적 예측 모델 사용 분야 시계열 데이터의 패턴을 만드는 계절성, 추세를 학습하는데 효과적 경제 분석, 판매 예측, 에너지 수요 예측, 기후 및 기상분야 등에 사용 2. 수식 2.1. AR(p) $$ X_t = c + \phi_1X_{t-1} + \phi_2X_{t-2} + ... + \phi_pX_{t-p} + \varepsilon_t $$ 2.2. MA(q) $$ X_t = c + \varepsilon_t + \theta_1\varepsilon_{t-1} + \theta_2\varepsilon_{t-2} + ... + \theta_q\varepsilon_{t-q} $$ 2.3. I(d) $$ \Delta^d X_t = (1 - B)^d X_t = X_..

1. 소개 소개 시계열 데이터의 계절성을 처리하기 위해 만든 모델 ARIMA 모델을 확장한 모델 사용 분야 계절적 추세와 패턴이 있는 시계열 데이터 분석이 가능하므로, 비즈니스와 경제 분야에서 많이 사용함 2. 수식 2.1. AR(p) 구성 요소 $$ X_t = c + \phi_1X_{t-1} + \phi_2X_{t-2} + ... + \phi_pX_{t-p} + \varepsilon_t $$ 2.2. I(d) 구성 요소 (차분) $$ \Delta^d X_t = (1 - B)^d X_t = X_t - X_{t-d} = \varepsilon_t $$ 2.3. MA(q) 구성 요소 $$ X_t = c + \varepsilon_t + \theta_1\varepsilon_{t-1} + \theta_2\varep..

In [5]: import numpy as np from sklearn.datasets import make_classification import statsmodels as sm from statsmodels.discrete.discrete_model import Logit from scipy import stats import matplotlib.pyplot as plt import matplotlib as mpl import seaborn as sns 1. 이론¶ 1.1. Logistic Regression 언제 사용하는가? 독립변수가 연속형 데이터 (수치) 독립변수 범위: $-\infty$ ~ $\infty$ 종속변수가 Binary (0 or 1로 표현 할 수 있는 데이터 일 때) 예: 남/여, ..