logo

시계열 데이터

시계열

  • 시계열(Time Series): 동일한 변수의 관측값을 시간 순서대로 기록한 데이터
  • 관측 시점과 시간 순서가 분석의 핵심
  • 예시:
    • 일별 고객 수
    • 월별 상품 가격
    • 시간별 온도

시계열 분석의 종류와 사례

예측, 대치, 이상 탐지, 분류의 목적을 비교한 시계열 분석 그림

예측

  • 예측(Forecasting): 미래 값이나 추세를 예측
  • 사례
    • 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

  • 대치(Imputation): 센서 오류, 데이터 손상 또는 측정 부재로 누락된 데이터를 전후 데이터를 바탕으로 채움
  • 사례
    • 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

  • 이상 탐지(Anomaly Detection): 시계열 내에서 일반적인 패턴을 벗어난 값이나 패턴을 식별
  • 사례
    • 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

  • 분류(Classification): 특성을 기반으로 주어진 시계열에 레이블이나 범주를 할당
  • 사례
    • 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 음성 구간별로 화자의 감정 범주를 분류
      • 예: 기쁨, 슬픔, 분노

시계열 데이터의 특성

추세

  • 추세(trend): 데이터의 장기적인 증가나 감소 패턴
    • 직선 형태일 필요는 없으며, 증가에서 감소로 방향이 바뀔 수도 있음

장기적인 증가 추세를 보이는 연간 치즈 생산량

연간 치즈 생산량

계절성

  • 계절성(seasonality): 달력과 관련된 일정하고 알려진 간격으로 반복되는 패턴
    • 예: 겨울, 월말, 일요일

달력상의 시점에 따라 반복되는 패턴을 보이는 월별 음료 출고량

월별 음료 출고량

주기성

  • 주기성(cycle): 증가와 감소가 반복되지만 반복 간격이 일정하지 않은 패턴
  • 대체로 계절성보다 간격이 긺
  • 아래 주택 거래량의 예: 계절성과 함께 약 6~10년 간격의 주기성이 관찰됨

장기간의 증가와 감소가 나타나는 미국 단독 주택 거래량

미국 단독 주택 거래량

자기상관

  • 자기상관(autocorrelation): 같은 시계열에서 일정한 시간 간격만큼 떨어진 관측값 사이의 상관
    • 시차(lag): 비교하는 두 관측값 사이의 시간 간격
    • 자기상관의 크기와 부호는 시차에 따라 달라질 수 있음
  • 인접 시점 사이에 양의 자기상관이 있는 경우: 이전 값이 평균보다 높으면 이후 값도 높은 상태, 낮으면 낮은 상태가 이어지는 경향
  • 인접 시점 사이에 음의 자기상관이 있는 경우: 이전 값이 평균보다 높으면 이후 값은 낮아지고, 낮으면 높아지는 경향

양의 자기상관에서 비슷한 상태가 이어지는 패턴과 음의 자기상관에서 높은 값과 낮은 값이 번갈아 나타나는 패턴

자기상관 예시

인접 시점의 값이 비슷하게 이어지는 화학 공정의 품질 데이터

양의 자기상관: 화학 공정의 품질

인접 시점의 높은 값과 낮은 값이 번갈아 나타나는 주별 제품 판매량

음의 자기상관: 주별 제품 판매량

정상과 비정상

  • 정상성(stationarity): 시계열의 통계적 특성이 관측 시점에 따라 달라지지 않는 성질
    • 약한 정상성: 평균과 분산이 일정하고, 같은 시차의 자기상관은 관측 시점에 따라 변하지 않는 상태
    • 모든 관측값이 같다는 뜻이나 정규분포를 따른다는 뜻은 아님
  • 비정상(non-stationary): 추세, 계절성, 분산 변화 등으로 통계적 특성이 관측 시점에 따라 달라지는 상태
  • 정상 시계열을 가정하는 분석에서는 정상성 확인 필요

시간에 따라 수준이 변하는 비정상 시계열의 예인 주가

주가

이상점

  • 이상점(outlier): 패턴에서 벗어난 특이 사례

공장 화재 시점에 판매량이 크게 감소한 이상점 사례

공장 화재

다양한 시계열의 예

추세, 계절성, 주기성, 정상성, 이상점, 분산 증가가 나타나는 아홉 가지 시계열

그림 주요 특성
(a) 추세
(b) 정상성, 이상점
(c) 장기적인 수준 변화
(d) 계절성, 주기성
(e) 추세
(f) 수준 변화
(g) 주기성, 정상성
(h) 계절성
(i) 추세, 계절성, 분산 증가
  • (b)의 큰 관측값은 이상점이지만, 한 개의 이상점만으로 비정상 시계열이라고 단정할 수는 없음
  • (g)처럼 추세와 계절성 없이 주기적 변동이 나타나는 시계열도 정상성을 가질 수 있음

퀴즈

문제 1 / 7맞음: 0힌트: 0틀림: 0채점중: 0남음: 7

시계열 데이터의 특징으로 가장 적절한 것은 무엇인가요?

  • ○동일한 변수의 시간에 따른 변동을 기록한다.
  • ○여러 대상의 값을 한 시점에서 비교한다.
  • ○서로 다른 변수를 값의 크기순으로 정렬한다.
  • ○관측 순서와 관계없이 변수별 평균만 기록한다.

퀴즈를 풀려면 대화형 기능을 불러와야 합니다.

Previous
시계열 분석