시계열 실험 작업

시계열 실험을 통해 특정 미래 기간에 해당하는 지표를 예측하도록 모델을 훈련할 수 있습니다. 예를 들어, 다음 주 또는 다음 달의 판매량을 예측할 수 있습니다. Qlik 프로젝트에서 시계열 모델은 그룹화된 대상과 미래 기능을 지원하는 다변량 예측을 생성합니다. 시계열 예측은 숫자 대상을 포함하는 실험에서 사용할 수 있습니다.

사용 사례

숫자 측정항목에 대한 날짜에 민감한 예측이 필요할 때마다 시계열 예측은 유용합니다. 시계열 예측이 유용한 많은 시나리오가 있으며, 다음을 포함합니다:

• 판매 및 재무 예측

• 재고 및 주식 예측

• 에너지 사용량 및 수요 예측

• 비용 예측

다변량 시계열 예측이란 무엇인가요?

다변량 시계열 예측은 둘 이상의 변수가 관련된 시나리오에 대한 미래 데이터 예측입니다. 시계열 실험을 통해 여러 대상(그룹을 통해 도입됨)과 여러 기능 간의 시간별 패턴을 탐색할 수 있습니다. 분류 및 회귀 모델로 만든 예측과 달리 시계열 예측은 특정 날짜 또는 시간에 고유합니다. 예를 들어, 다음 2주 동안의 매출을 예측하고 싶을 수 있으며, 관련 날짜는 1월 1일부터 14일까지입니다.

1부: 교육 데이터 집합 준비

교육 데이터 집합을 준비하는 것부터 시작합니다. 교육 데이터 집합에는 일관된 시간 간격으로 측정된 기록 데이터가 포함되어야 합니다.자세한 내용은 교육 데이터 집합 준비을 참조하십시오.

2부: 시계열 실험 생성

ML 실험을 생성하고, 그런 다음 실험 유형으로 시계열을 선택하여 시계열 실험을 생성합니다.

실험을 시계열 실험으로 구성하려면 대상은 숫자여야 하며 11개 이상의 고유 값을 가져야 합니다(고품질 모델을 생성하려면 훨씬 더 많은 값이 필요하지만). 데이터 세트에는 또한 일관된 시간 간격으로 기록된 날짜 또는 날짜/시간 정보가 포함된 열이 있어야 합니다.

다음과 같이 하십시오.

1. 분석 활동 센터에서 ML 실험을 만듭니다. 실험 만들기을 참조하십시오.

2. 훈련 데이터셋을 선택한 후, 구성 보기를 클릭하여 실험 구성 패널을 확장합니다.

3. 대상 및 실험 유형을 확장합니다.

4. 드롭다운 메뉴를 사용하여 대상을 선택합니다.

5. 실험 유형에서 시계열을 선택합니다.

3부: 시계열 실험 구성

다음으로, 시계열 모델로 만들려는 예측에 특정한 매개변수를 구성해야 합니다. 이러한 매개변수는 시계열 실험에 특화되어 있습니다. 각 매개변수가 의미하는 바에 대한 설명은 다변량 시계열 예측 작업을(를) 참조하십시오.

다음과 같이 하십시오.

1. Date index에서 사용할 인덱스 열을 선택합니다.

   날짜 인덱스

2. 선택적으로, 그룹 및 미래 기능 드롭다운 메뉴를 사용하여 모델 학습에 대상 그룹화 및 미래 기능을 추가합니다.

   그룹

   향후 기능

3. 데이터 기반 섹션에서 시간 단계로 예측 창 크기 및 예측 간격 크기를 설정합니다.

   시간 단계

   예측 범위

4부: 기타 실험 매개변수 구성

다른 실험 유형과 마찬가지로, 시계열 실험에만 국한되지 않는 다른 속성들이 있으며, 실험 구성에서 조정해야 할 수도 있습니다. 여기에는 다음이 포함됩니다.

• 기능 선택

• 알고리즘 선택

• 기능 유형 변경

자세한 내용은 실험 구성 항목을 참조하십시오.

5부: 교육 실행

다음과 같이 하십시오.

• 하단 막대에서 교육 실행을 클릭합니다.

다음 단계

모델 분석

교육이 완료되면 모델을 분석하고 품질을 평가할 수 있습니다. 필요에 따라 실험의 추가 반복을 생성하여 결과를 개선합니다.

자세한 내용은 모델 검토을 참조하십시오.

모델 배포 및 승인

모델을 분석한 후, 가장 적합한 모델을 ML 배포에 배포한 다음, 예측을 생성하도록 활성화합니다.

자세한 내용은 모델 배포 및 배포된 모델 승인를 참조하십시오.

적용 데이터 세트 준비 및 예측 생성

모델을 배포한 후, 예측 생성에 사용할 적용 데이터 세트에 대한 요구 사항을 이해합니다. 적용 데이터 집합 준비을 참조하십시오.

적용 데이터 세트를 준비한 후, 시계열 모델을 사용하여 예측을 생성합니다. 생성할 수 있습니다:

• 배치 예측

  데이터 집합에 대한 예측 만들기

• 실시간 예측

  실시간 예측 만들기

제한 사항 및 고려 사항

• 시계열 실험을 위해 최대 두 개의 그룹을 선택할 수 있습니다. 그룹으로 선택하는 열은 범주형이어야 합니다. 이 열은 숫자 데이터를 포함할 수 있지만, 훈련 중에는 해당 열이 범주형으로 처리됩니다.

• 최대 예측 창은 최대 180개의 시간 단계까지 가능합니다. 자세한 내용은 최대 예측 기간을 참조하십시오.

• 지능형 모델 최적화는 시계열 실험에 적용할 수 없습니다.

• 시계열 실험은 수동 최적화를 지원하지 않습니다.

• 시계열 실험은 하이퍼파라미터 최적화를 지원하지 않습니다.

• 시계열 실험은 시간 인식 학습을 지원하지 않습니다.

• 시계열 실험에는 자동 자유 텍스트 기능 엔지니어링을 사용할 수 없습니다.

• 시계열 실험에 대한 날짜 인덱스 열을 선택하면 이 열에 날짜 기능 유형이 사용됩니다. 하지만 시계열 모델에서는 날짜 기능 엔지니어링이 지원되지 않습니다. 자동 엔지니어링된 날짜 기능은 열에서 파생될 수 없습니다.

• 시계열 실험은 딥러닝 알고리즘으로 모델을 학습시킵니다. 따라서 데이터 크기와 예측 기간에 따라 시계열 모델은 일반적으로 회귀 및 분류 모델보다 학습하는 데 더 오래 걸립니다.

시계열 모델로 예측을 생성하는 것과 관련된 제한 사항은 제한 사항을(를) 참조하십시오.

자습서

모델 훈련부터 예측까지 시계열 예측을 시연하는 전체 튜토리얼은 자습서 – 다변수 시계열 예측을 통한 판매 예측을(를) 참조하십시오.