1. Învăţa
    2. /
  2. Courses
    3. /
  3. R로 배우는 시계열 예측
Connected

exercise

나이브 예측 방법

영상에서 보셨듯이, forecast(예측치)는 시계열의 가능한 미래를 시뮬레이션했을 때의 평균 또는 중앙값을 말합니다.

가장 단순한 예측 방법은 가장 최근 관측값을 그대로 사용하는 것으로, 이를 naive(나이브) 예측이라고 하며 동명의 함수로 구현되어 있어요. 이는 많은 시계열(대부분의 주가 데이터 등)에 대해 할 수 있는 최선의 방법이기도 하고, 설령 좋은 방법이 아니더라도 다른 예측 방법을 평가할 때 유용한 기준선(benchmark)을 제공합니다.

계절성이 있는 데이터의 경우, 유사한 아이디어로 이전 해의 같은 계절(시점)의 값을 사용하는 방법이 있어요. 예를 들어 내년 3월의 판매량을 예측하려면, 이전 해 3월의 판매량을 사용합니다. 이는 snaive() 함수로 구현되어 있으며, seasonal naive를 의미합니다.

두 방법 모두 두 번째 인자인 h로 예측할 값의 개수를 지정할 수 있습니다. 아래 코드에서 보듯이 기본값은 서로 달라요. 결과 출력은 forecast 클래스의 객체이며, 이것은 forecast 패키지의 핵심 클래스입니다. summary()와 autoplot()을 포함해 이를 다루기 위한 다양한 함수가 제공됩니다.

naive(y, h = 10)
snaive(y, h = 2 * frequency(x))

이제 goog 시계열과 ausbeer 시계열에 각각 이 두 함수를 적용해 보세요. 둘 다 워크스페이스에 준비되어 있습니다.

Instrucţiuni

100 XP
  • naive()를 사용해 goog 시리즈의 다음 20개 값을 예측하고, 결과를 fcgoog에 저장하세요.
  • autoplot()과 summary()로 예측 결과를 시각화하고 요약하세요.
  • snaive()를 사용해 ausbeer 시리즈의 다음 16개 값을 예측하고, 결과를 fcbeer에 저장하세요.
  • fcbeer에 대해서도 fcgoog과 동일한 방식으로 시각화하고 요약하세요.