시계열 데이터의 비정상성 문제해결을 통한 머신러닝 예측의 성능개선 방법

홈 > 연구문헌 > 학술대회 프로시딩 > 한국정보과학회 학술대회 > KCC 2021

한글제목(Korean Title)	시계열 데이터의 비정상성 문제해결을 통한 머신러닝 예측의 성능개선 방법
영문제목(English Title)	How to improve prediction of Machine Learning performance by solving Non-Stationary problems of time series data
저자(Author)	Kokoy Siti Komariah Bong-Kee Sin 김동우 신기범 최승윤 정준홍 Dongwoo Kim Kibeom Sin Sengyoon Choi Joonhong Jung
원문수록처(Citation)	VOL 48 NO. 01 PP. 0873 ~ 0875 (2021. 06)
한글내용 (Korean Abstract)	시계열 데이터의를 사용한 머신러닝 예측은 여러 도메인에서 시도되는 주제이다. 그러나 경제 분야에서는 데이터의 임의보행(Random Walk) 문제로 인해 예측이 불가능한 것으로 받아들여져 왔다. 본 논문에서는 경제 분야 시계열 데이터의 비정상성(Non Stationary) 상태를 정상성(Stationary) 상태로 변환하여 임의보행 문제를 해소하는 전처리 방법을 설명한다. 또한, 정상성 변환 결과를 활용하여 머신러닝 예측의 성능개선과 동적인 스태킹 방법에 대해 유연탄가격 예측 사례를 들어 설명 한다.
영문내용 (English Abstract)
키워드(Keyword)	data augmentation medical named-entity bert pre-trained model twitter data information extraction
파일첨부	PDF 다운로드