시계열 데이터

주요 개념

• 추세
• 계절성
• 주기성
• 자기상관
• 정상과 비정상
• 이상점

시계열

• 시계열(Time Series): 동일한 변수의 시간에 따른 변동을 나타낸 데이터
• 예시:
  • 고객 수
  • 가격
  • 온도

시계열 분석의 종류

• 예측(Forecasting): 미래 값이나 추세를 예측
• 대치(Imputation): 센서 오류, 데이터 손상 또는 측정 부재로 누락된 데이터를 전후 데이터를 바탕으로 채움
• 이상 탐지(Anomaly Detection): 시계열 내에서 일반적인 패턴을 벗어난 값이나 패턴을 식별
• 분류(Classification): 특성을 기반으로 주어진 시계열에 레이블이나 범주를 할당

시계열 분석의 사례

예측

• 날씨 예측: 기상 데이터를 바탕으로 미래의 온도, 강수량, 바람 속도 등을 예측
• 가격 예측: 과거 가격 데이터를 활용하여 특정 상품의 미래 가격을 예측
• 수요 예측: 과거 판매 데이터를 바탕으로 제품의 미래 수요를 예측하여 재고 관리 및 공급망 최적화

대치

• 센서 오류로 인한 데이터 누락: 기계의 온도나 진동을 측정하는 센서가 일시적으로 오작동하여 데이터를 기록하지 못했을 때, 이전 및 이후의 데이터를 바탕으로 누락된 데이터를 보완
• 데이터 손상으로 인한 누락: 자연재해나 데이터 전송 중의 오류로 손상된 데이터를 이전 및 이후의 패턴을 바탕으로 복원
• 측정 부재로 인한 누락: 센서 교체 등으로 누락된 데이터를 보완하여 지속적으로 모니터링

이상 탐지

• 사이버 보안에서의 네트워크 트래픽 모니터링: 네트워크 트래픽 데이터를 분석하여 비정상적인 패턴을 탐지하고 잠재적인 사이버 공격을 식별
• 신용 카드 거래 모니터링: 시계열로 기록된 신용 카드 거래 데이터를 분석하여 평소와 다른 거래 패턴을 찾아내고 잠재적인 사기를 예방
• 산업 기계 유지보수: 기계의 작동 데이터를 분석하여 비정상적인 진동, 온도 또는 소음을 탐지하고, 이를 통해 기계 고장을 미리 예측하여 유지보수 수행

분류

• 음악 장르 분류: 음악 데이터의 시계열 패턴을 분석하여 해당 음악이 어떤 장르에 속하는지 분류
• 활동 인식: 착용형 센서에서 수집된 시계열 데이터를 분석하여 사용자의 활동을 분류
  • 예: 걷기, 달리기, 앉기
• 음성 감정 분석: 음성 데이터를 분석하여 화자 감정의 변화를 시계열적으로 분류
  • 예: 기쁨, 슬픔, 분노

추세

• 추세(trend): 데이터의 장기적인 증가나 감소 패턴

연간 치즈 생산량

계절성

• 계절성(seasonality): 달력상의 특정 시점마다 반복되는 패턴
  • 예: 겨울, 월말, 일요일

월별 음료 출고량

주기성

• 주기성(cycle): 일정한 빈도가 아닌 형태로 증가나 감소하는 패턴
• 대체로 계절성보다 간격이 긺
• 주택 거래의 예: 계절성과 함께 6~10년 정도의 주기성이 존재

미국 단독 주택 거래량

자기상관

• 자기상관(autocorrelation): 이전의 값과 이후의 값 사이에 상관이 존재
• 양의 자기상관: 이전 값이 평균보다 높으면 이후 값도 높은 상태, 낮으면 낮은 상태가 이어지는 경향
• 음의 자기상관: 이전 값이 평균보다 높으면 이후 값은 낮아지고, 낮으면 높아지는 경향

자기상관 예시

양의 자기상관: 화학 공정의 품질

음의 자기상관: 주별 제품 판매량

정상과 비정상

• 정상(stationary): 시계열의 구조가 일정한 상태
  • 일상적인 의미의 정상(normal)과 다른 개념
• 비정상(non-stationary): 데이터의 분포가 시간에 따라 변하는 상태
• 정상 시계열을 가정하는 분석에서는 정상성 확인 필요

주가

이상점

• 이상점(outlier): 패턴에서 벗어난 특이 사례

공장 화재

다양한 시계열의 예