아래 사용자 커뮤니티를 통해서도 기술 및 사용법 관련 정보를 얻을 수 있습니다.
사용자 커뮤니티
*배너를 클릭하시면 링크로 이동합니다.
 |  |  |
ENVI 튜토리얼 (Youtube 에스이랩 인공지능연구실) | 이상우의 IDL 블로그 | IDL/ENVI/SARscape 사용자 포럼 |
사용자 커뮤니티 소식
*커뮤니티에 게시된 새 글 미리보기입니다.
링크를 클릭하시면 본 게시물로 이동합니다.
기술문의
아래 사용자 커뮤니티를 통해서도 기술 및 사용법 관련 정보를 얻을 수 있습니다.
사용자 커뮤니티
*배너를 클릭하시면 링크로 이동합니다.
| | |
ENVI 튜토리얼 (Youtube 에스이랩 인공지능연구실) | 이상우의 IDL 블로그 | IDL/ENVI/SARscape 사용자 포럼 |
사용자 커뮤니티 소식
*커뮤니티에 게시된 새 글 미리보기입니다.
링크를 클릭하시면 본 게시물로 이동합니다.
자기회기모델(Autoregressive) : 시계열 데이터에서 미래 또는 과거의 값을 예측
이상우의 IDL 블로그에 소개된 내용을 확인해 주십시오.
TS_FCAST 함수 소개
요즘은 이러한 예측을 Machine Learning 이나 Deep Learning으로 해결합니다.
전통적으로는, 산술적 Autoregressive(자기회귀)의 방법으로 다항식 계산을 통해 알려진 시계열 데이터의 과거 데이터 또는 미래 데이터를 예측하는 방법이 있습니다.
본문의 그림에서와 같이 검은색 포인트의 데이터를 기반으로 미래(빨간색) 또는 과거(초록색)의 데이터를 예측(추세에 맞춘 생산)하는 것입니다.
TS_FCAST 함수를 이용하는 것인데, 사용법은 직관적이어서, 간단한 테스트에 쉽게 사용해 볼 수 있을 것입니다. Machine Learning의 결과와 비교해 보는 목적으로도 유용하게 사용할 수 있습니다. IDL의 Math 라이브러리들은 모두 Reference가 있으므로, 이 함수 역시 Reference를 찾아볼 수 있습니다.
; REFERENCE:
; The Analysis of Time Series, An Introduction (Fourth Edition)
; Chapman and Hall
; ISBN 0-412-31820-2
무려 1989년의 책이네요. TS_FCAST 함수 역시 IDL 4.0 부터 제공되는 함수입니다. IDL 4.0이 언제쯤 버전일까요. IDL 6.0이 2003년 쯤의 버전입니다. 현재는 IDL 9.0이 사용되고 있습니다.
TS_FCAST 함수 소개
원문을 한번 확인해 보세요. 사용법이 쉬워서 유용할 것입니다.