Chapter 3. Time Series as Supervised Learning

Chapter 3에서는 

* Supervised Learning이 무엇이며 어떻게 Machine Learning Algorithms Modeling을 하는지

* Time Series Data를 프레임화하는 Sliding Window 방법과 사용 방법

* Multivariates Data, Multiple Steps forecasting Sliding Window를 사용하는 방법에 대해 배운다.

 

Supervised Machine Learning(지도,지휘 머신러닝)

* Supervised Learning : train data로부터 하나의 함수를 유추해내기 위한 Machine Learning Algorithm

입력 변수 x, 출력 변수 y가 존재하고, Algorithm을 통해 입력에서 출력으로의 mapping 함수를 학습한다

즉, y=f(x)를 구성하고 학습하는 것이다.

* Supervised Machine Learning은 classfication과 Regression으로 나뉜다.

 

Sliding Window

* Sliding Window : 이전 값을 사용하여 다음 값을 예측함으로써 Time Series dataset을 Supervised Learning으로 재구성가능하게 해준다.

time	measure
1	100
2	110
3	108
4	115
5	120

* 위와 같은 Time Series가 제공 되었을 때, 이를 window width(lag size)=1로 dataset을 변경한다면

X	Y
?	100
100	110
110	108
108	115
115	120
120	?

* 이와 같이 변경이 될 것이다. 여기서 첫 째와 마지막 줄은 이전 값, 이후 값을 알 지 못하므로 삭제 가능하다.

* 우리가 예측하고자 하는 값이 obs(2)이면 즉, t=2일때라면 y=f(x)를 y=f(X), 110=f(100)으로 쓸 수 있다.

이는 현재 관측값=f(직전관측값)이 된다.

* dataset 변경 시, 관찰 간의 순서가 유지되어야한다.

* 위에서 말한 window width(lag size)는 이전 시간의 단계의 수를 말한다.

위에서는 y를 구하기위해 이전 시간 data를 하나 사용했기에 window width=1이고, 만약 108이라는 data를 예측하기 위해 두 개의 이전 시간 값 (100,110)을 사용한다면 window width=2가 된다. 이를 표현하면 y=f(x), y=f(X1,X2), 108=f(100,110)이 된다.

 

Sliding Window with Multivariates

* sliding window문제에서 변수가 두 개 이상인 것이다.

time	measure1	measure2
1	0.2	88
2	0.5	89
3	0.7	87
4	0.4	88
5	1.0	90

* 위와 같은 Time Series를 다시 sliding window를 활용하여 dataset을 변경시키면(window size=1),

X1	X2	X3	Y
?	?	0.2	88
0.2	88	0.5	89
0.5	89	0.7	87
0.7	87	0.4	88
0.4	88	1.0	90
1.0	90	?	?

* 여기서 time 2에서 y=f(x)를 표현한다면 y=f(X1,X2,X3), 89=f(0.2,88,0.5), 현재 관측값2=f(직전관측값1,직전관측값2,현재관측값1)이 된다.

 

Sliding Window with Multiple Steps

* 앞에서는 시간이 t라고 한다면 t를 활용하여 t+1을 예측했다. 이를 'One-Step Forecast'라고 한다.

* 다단계 예측에서는 t를 이용하여 t+1,t+2 등을 예측한다. 이를 'Multiple-Step Forecast'라고 한다.

X1	Y1	Y2
?	100	110
100	110	108
110	108	115
108	115	120
115	120	?
120	?	?

* 첫 dataset에서 multiple steps에 맞는 예시로 dataset을 변경하면, 한 data로 다음 두 data를 예측할 것이다.

* 하나의 input으로 두 가지의 output을 도출해야돼서 input data가 중요하다는 점을 알 수 있다.