Autoregressive Integrated Moving Average(ARIMA) 알고리즘 - Amazon Forecast
작동 방식하이퍼파라미터와 튜닝

기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

Autoregressive Integrated Moving Average(ARIMA) 알고리즘

Autoregressive Integrated Moving Average(ARIMA)는 일반적으로 사용되는 시계열 예측용 로컬 통계 알고리즘입니다. ARIMA는 입력 데이터 세트에서 표준 시간 구조(패턴화된 시간 구조)를 캡처합니다. Amazon Forecast ARIMA 알고리즘은 CRAN(Comprehensive R Archive Network)의 Package 'forecast'에 있는 Arima 함수를 호출합니다.

ARIMA의 작동 방법

ARIMA 알고리즘은 고정 시계열로 매핑될 수 있는 데이터 세트에 특히 유용합니다. 자기 상관 등 고정 시계열의 통계적 특성은 시간과 무관합니다. 고정 시계열의 데이터 세트는 일반적으로 신호 및 노이즈 조합을 포함합니다. 신호는 정현적 진동 패턴을 나타낼 수도 있고 계절적 요소를 가질 수도 있습니다. ARIMA는 노이즈에서 신호를 분리하는 필터와 같은 기능을 하며, 앞으로의 예측을 위해 신호를 추론합니다.

ARIMA 하이퍼파라미터와 튜닝

ARIMA 하이퍼파라미터 및 튜닝에 대한 자세한 내용은 CRAN의 패키지 '예측'에 있는 Arima 함수 설명서를 참조하세요.

Amazon Forecast는 다음 표를 사용하여 CreateDataset 작업에 지정된 DataFrequency 파라미터를 R ts 함수의 frequency 파라미터로 변환합니다.

DataFrequency(문자열) R ts 빈도(정수)
Y 1
M 12
W 52
D 7
H 24
30min 2
15min 4
10min 6
5min 12
1min 60

24보다 작은 빈도 또는 짧은 시계열의 경우 CRAN의 Package 'forecast'의 auto.arima 함수를 사용하여 하이퍼파라미터가 설정됩니다. 24 이상의 빈도 및 긴 시계열의 경우 여기서 긴 계절성 기간에 대한 예측에 설명한 대로 K = 4인 푸리에 급수를 사용합니다.

표에 표시되지 않은 지원되는 데이터 빈도는 기본적으로 1의 ts 빈도로 설정됩니다.