프로젝트 진행 과정
1. 사용할 데이터셋 다운로드
2. 시계열 데이터 준비
- 데이터 가져오기
- 시계열 안정성의 정성적 분석
- 결측치가 있는 부분만 Series로 출력
3. 각종 전처리 수행
- 결측치 처리
- 로그 변환
4. 시계열 안정성 분석
- 정성적 그래프 분석
- 정량적 Augmented Dicky-Fuller Test
- 시계열 분해(Time Series Decomposition)
- Residual 안정성 확인
5. 학습, 테스트 데이터셋 생성
- 학습, 테스트 데이터셋 분리
6. 적정 ARIMA 모수 찾기
- ACF, PACF 그려보기 -> p,q 구하기
- 차분 안정성 확인 -> d 구하기
- 그리드 서치를 통해 AIC수치가 가장 낮은 값으로 설정하여 모수를 선택
7. ARIMA 모델 훈련과 테스트
- ARIMA 모델 빌드와 훈련
- 모델 테스트 및 플로팅
- 최종 예측 모델 정확도 측정(MAPE)
구현한 프로젝트
회고
삼성전자 1.74% MAPE 도출
테슬라 13.15% MAPE 도출
SK하이닉스 3.47% MAPE 도출
아마존 7.7% MAPE 도출
그리드 서치를 통해 AIC수치가 가장 낮은 값으로 설정하여 모수를 선택 my_auto_arima(lu_train, [p,d,q])
