시계열데이터 (2) 썸네일형 리스트형 [통계] Day 4-1 시계열 데이터 분석 1. 시계열 데이터 시계열 데이터는 시간에 따라 기록된 데이터로, 주가, 기후, 판매량 등 다양한 분야에서 사용되며 중요한 정보를 제공합니다. 시계열 데이터 분석은 데이터의 패턴을 파악하고 미래 예측에 활용하는 중요한 기법입니다. 2. 시계열 데이터의 특성과 구성 요소 - 시간 의존성$($Time Depenency$)$ - 계절성$($Seasonality$)$ - 추세$($Trend$)$ - 자기 상관성$($Autocorrelation$)$ - 불규칙성$($Irregularity$)$ 시계열 데이터는 다양한 패턴과 특성을 가지고 있습니다. 추세는 장기적인 증감 경향을 의미하며, 계절성은 일정한 주기마다 반복되는 변동을 의미합니다. 주기는 주기적으로 발생하는 변동을 나타내며, 불규칙성은 예측 모델에 포함되.. [통계] Day 2-1 데이터 형태: 순서형, 이진, 시계열, 공간 다양한 유형의 데이터 분석과 시각화 방법 데이터 분석은 다양한 유형의 데이터를 이해하고 분석하는 과정을 포함합니다. 각 유형의 데이터는 그 특성에 따라 다른 분석 및 시각화 방법을 요구합니다. 이제 몇 가지 주요한 데이터 유형과 그에 따른 분석 방법을 살펴보겠습니다. 1. 순서형 데이터 $($Ordinal data$)$: 순서형 데이터는 서로 다른 카테고리에 속하면서도 일정한 순서나 계층 구조를 가지는 데이터입니다. 이러한 데이터를 분석할 때에는 중앙값, 사분위수, 백분위수 등의 대표값을 사용하여 데이터의 특성을 파악합니다. 시각화에는 막대 그래프나 도수분포표와 같은 방법을 활용합니다. 2. 이진 데이터 $($Binary data$)$: 이진 데이터는 두 가지 값 중 하나만 가지는 데이터로, 명목형 데이.. 이전 1 다음
