Time series 시계열 데이터 분류하기

221006 작성

<본 블로그는 hunkim님의 slideshare을 참고해서 공부하며 작성하였습니다>

https://www.slideshare.net/hunkim/time-series-classification

Time series classification

 

 

🎃 시계열

: 일정 시간 간격으로 배치된 데이터들의 수열

: 주어진 시계열을 보고 수학적인 모델을 만들어서 미래에 일어날 것들을 예측하는 것

 

🎃 시계열 데이터 문제점

: 패턴들이 모두 동일한 시간간격내에 존재하지 않고 서로 다른 시간 간격내에 존재

: 불규칙적인 노이즈

: 측정시점에서의 상황 변화르 인해 노이즈 발생

 

🎃 원본 데이터 특성 유지하면서 scale 과 noise에 강인하도록 학습

✔ 시간 간격 문제를 처리하기 위해서 변종 데이터를 생성하는데 필요한 파라미터인 window 의 값을 다양하게 사용해 time scale을 변경

✔ up-sampling으로 scale을 늘리고, down-sampling을 이용해 time scale을 줄여 CNN이 특정 패턴의 시간 간격의 변화에 민감하지 않도록 학습

 

✔ 노이즈에 강인하도록 만들기 위해 원본 데이터로부터 해당 데이터의 특징을 잘 표현할 수 있는 특성치 추출

✔ upsampling, hamming, blackman과 같은 flitering 적용