본문 바로가기

AI 예측 방법20

시계열 데이터 증강 - 시간 영역 (Time Domain) 시계열 데이터 증강 - 주파수 영역 (Time Domain) 시계열 데이터에서 가장 간단하게 접근할 수 있는 데이터 증강 방법입니다. 여기서는 원래의 시계열 데이터에 가우시안 노이즈, 스파이크, 계단형 추세, 경사형 추세와 같은 복잡한 노이즈 패턴을 추가합니다. 그리고 이러한 변환을 통해 데이터를 보다 다양화할 수 있습니다. Time domain 의 가장 직관적인 방법이기 떄문에 많이 사용됩니다. 6가지 기법에 대해서 설명 하겠습니다. 1. Window cropping : 불필요한 부분 다듬기 Cropping 은 사진·삽화의 불필요한 부분을 다듬는 다는 의미입니다. 시계열 원본 데이터에서 Random 하게 연속적인 일부분을 잘라내어 여러 개의 데이터로 만드는 방법으로 이미지 데이터를 랜덤하게 잘라내어 증.. 2023. 11. 19.
시계열 데이터 증감의 어려움과 기법들 딥러닝은 최근 여러 분야에서 뛰어난 성능을 보이고 있습니다. 하지만 이런 뛰어난 성능은 많은 훈련 데이터가 필요합니다. 특히 의료 분야의 데이터 분류나 AIOps에서의 이상 탐지처럼 레이블이 지정된 데이터가 부족한 경우가 있습니다. 그렇기 때문에 데이터 증강라는 기법이 중요하게 다루어집니다. 데이터 증강은 원래의 데이터를 조금씩 변형해서 더 많은 학습 데이터를 만들어 내는 방법입니다. 데이터 증강에 대한 설명은 아래의 블로그 글을 참고하십시오. 데이터 증강의 정의와 목적 시계열 데이터 증감의 어려움 먼저 시계열 데이터를 다룰 때 마주치는 두 가지 주요 어려움에 대해 이야기해보겠습니다. 첫번째로, 우리가 일반적으로 사용하는 데이터 증강 방법들이 시계열 데이터의 특별한 특성을 제대로 활용하지 못한다는 점입니.. 2023. 11. 18.
데이터 증강의 정의와 목적 데이터는 머신러닝과 인공지능 같은 분야에서 보이는 발전의 주요 동력입니다. 그러나 모든 데이터가 동일한 가치를 가진 것은 아니며, 종종 우리는 과적합, 데이터의 진정한 본질을 포착하지 못하는 문제, 또는 데이터 불균형 문제와 같은 문제에 직면하게 됩니다. 이러한 문제를 해결하기 위해 데이터 증강이라는 기법이 사용됩니다. 데이터 증강의 정의 데이터 증강은 머신 러닝에서 모델의 성능을 향상시키기 위해 훈련 데이터셋을 인위적으로 확장하는 기법입니다. 예를 들어, 이미지 데이터의 경우 회전, 크기 조정, 노이즈 추가, 자르기, 밝기 조정, 대비 조정 등의 방법을 통해 이미지를 변형시키고 이를 통해 더 많은 훈련 샘플을 생성할 수 있습니다. 이러한 과정은 모델이 다양한 변형을 견딜 수 있게 하여 실제 세계의 시나.. 2023. 11. 18.
데이터 수집을 위한 핵심 가이드 데이터 분석 및 예측 모델을 위해 데이터를 수집하는 과정은 매우 중요합니다. 데이터 수집은 예측 모델의 품질과 성능에 직접적인 영향을 미치므로 신중하게 진행되어야 합니다. 다음은 데이터 수집 과정과 관련된 몇 가지 중요한 핵심 가이드를 설명합니다. 이들 플랫폼을 활용하여 데이터 주도적인 결정을 내리고, 보다 명확한 미래 전망을 그려볼 수 있기를 바랍니다. "AI 예측 지식 창고"는 이러한 여정에 있어서 여러분의 나침반이 되고자 합니다. 1. 데이터 수집의 중요성 데이터는 예측 모델의 기초입니다. 품질이 낮거나 부적절한 데이터를 사용하면 모델의 정확도와 신뢰성이 떨어질 수 있습니다. 데이터 수집의 중요성은 다음과 같은 이유로 강조됩니다. 모델 품질 향상: 좋은 데이터를 사용하면 모델의 예측 성능을 향상시킬.. 2023. 11. 18.
농산물 가격 예측을 위한 데이터 소스 세계 각국의 농업 시장은 지역적 특성과 글로벌 경제 동향에 의해 크게 영향을 받으며, 농산물의 가격 변동은 많은 요인에 의해 결정됩니다. 'AI 예측 지식 창고'에서는 미국, 유럽, 그리고 한국의 농산물 가격 예측을 위한 필수 데이터와 통찰력을 제공하는 사이트들을 소개합니다. 이들 사이트는 농산물의 시장 데이터, 생산 통계, 무역 데이터를 포함하여 농업과 관련된 다양한 정보를 제공하며, 농업 관련 전문가, 투자자, 그리고 정책 입안자들에게 중요한 자원이 될 것입니다. 미국, 유럽, 그리고 한국의 농산물 가격 예측을 위한 데이터 제공 사이트 모음은 시장 데이터, 생산 통계, 무역 데이터 및 기타 관련 농업 정보를 제공하는 리소스를 모아놓은 것입니다. 여기에 포괄적인 목록을 소개합니다: 미국 미국 농무부 (.. 2023. 11. 17.
주택 가격 예측을 위한 데이터 소스 세계 각국의 부동산 시장은 그 다양성과 복잡성으로 인해 항상 흥미로운 분석 대상이 되어왔습니다. 특히 주택 가격의 변동성은 경제, 사회, 정책 등 다양한 요소들에 의해 영향을 받습니다. 'AI 예측 지식 창고'에서는 미국, 유럽, 그리고 한국의 주택 시장을 이해하고 예측하기 위한 필수 데이터와 통찰력을 제공하는 사이트들을 소개합니다. 이들 사이트는 주택 시장의 현재 상태와 미래 동향을 예측하는 데 필요한 중요한 정보를 제공하여, 투자자, 정책 입안자, 그리고 시장 분석가들에게 귀중한 자원이 될 것입니다. 미국, 유럽, 그리고 한국의 주택 가격을 예측하기 위한 필수 데이터와 통찰력을 제공하는 사이트 모음은 다음과 같습니다: 미국 연방 주택 금융 기관 (FHFA) - www.fhfa.gov: 주택 가격 지수.. 2023. 11. 17.

티스토리툴바