프로펫
Prophet 모델을 사용하여 시계열 데이터를 분석하고 예측합니다.
Last updated
Prophet 모델을 사용하여 시계열 데이터를 분석하고 예측합니다.
Last updated
없음
미학습 시계열 모델: 프로펫 시계열 데이터 예측 모델
잠재적 변곡점의 수 모델이 데이터의 추세에서 변화를 감지할 수 있는 잠재적 변곡점의 최대 수입니다. 많은 변곡점을 설정하면 모델이 데이터의 변화에 더 민감하게 반응할 수 있지만, 과적합의 위험이 있습니다.
변곡점을 고려할 데이터의 비율 초기 데이터의 비율을 조정함으로써, 모델이 변곡점을 찾는 범위를 조정합니다. 데이터의 초기 부분에서만 변곡점을 찾을 경우, 전체적인 변화를 놓칠 수 있습니다.
연간 계절성 설정 연도별 반복되는 패턴을 모델링할지 여부를 결정합니다. 예를 들어, 연간 판매량 변화 같은 패턴을 고려할 수 있습니다.
주간 계절성 설정 주별 반복되는 패턴을 모델링할지 여부를 결정합니다. 예를 들어, 주말에 판매량이 증가하는 패턴을 고려할 수 있습니다.
일일 계절성 설정 하루 중 시간에 따라 변화하는 패턴을 모델링할지 결정합니다. 예를 들어, 하루 중 특정 시간대에 판매량이 증가하는 패턴을 고려할 수 있습니다.
휴일을 위한 국가 코드 모델링할 때, 휴일의 영향을 고려할 국가의 코드를 설정합니다. 예를 들어, "US"는 미국의 공휴일을 모델에 포함시킵니다.
계절성 모델링 방법 계절성 패턴을 어떻게 모델링할지 결정하는 방법입니다. "additive"는 선형적인 증가나 감소를 가정하는 반면, "multiplicative"는 성장률이 시간에 따라 변할 때 사용됩니다.
계절성 효과의 강도 계절성 요인이 모델에 미치는 영향의 강도를 조절합니다. 값이 클수록 계절이 예측에 더 큰 영향을 미칩니다.
휴일 효과의 강도 휴일이 모델 예측에 미치는 영향의 강도입니다. 값이 클수록 휴일 주변의 데이터 변화를 더 강하게 반영하게 됩니다.
변곡점 선택의 유연성 데이터의 변화에 모델이 얼마나 민감하게 반응할지를 조정합니다. 값이 높을수록 모델이 작은 변화에도 더 민감하게 반응합니다.
MCMC 샘플의 수 (0으로 비활성화) 이는 불확실성을 평가하는 데 사용되며, 값이 높을수록 정확도는 높아지지만 계산 시간이 크게 늘어납니다.
예측의 불확실성 구간의 폭 예측 결과의 불확실성을 어느 정도 허용할지 나타냅니다. 값이 클수록 불확실성이 더 커지게 됩니다. 일반적으로 0.8 또는 0.95를 사용하여 80% 또는 95%의 신뢰 구간을 설정합니다.
불확실성 추을 위한 시뮬레이션 횟수 불확실성을 추정하기 위해 시뮬레이션을 수행하는 횟수를 설정합니다. 값이 클수록 더 정확한 불확실성 추정이 가능하지만 계산 비용이 증가합니다.
데이터 스케일링 방법 데이터의 범위를 표준화하여 모델의 학습 효율을 높일 수 있습니다. "absmax"는 절대 최대값으로 스케일링을, "minmax"는 최소-최대 스케일링 방법을 적용합니다.
휴일 모델링 방법 휴일을 모델링하는 방법을 설정합니다. "additive"는 휴일이 예측에 선형적인 영향을 미치는 것으로 가정하며, "multiplicative"는 휴일이 성장률에 영향을 미치는 것으로 가정합니다.
훈련 및 예측에 외부 변수 사용 시간을 제외한 다른 변수를 사용하여 모델을 훈련하고 예측할지 여부를 설정합니다. 이를 통해 모델이 다른 변수의 영향을 고려할 수 있습니다.
