시계열 문제

유사점

• 둘 다 숫자형 대상 열을 포함합니다.

• 둘 다 일반적으로 판매 및 통화 예측과 관련된 재무적 사용 사례에 사용됩니다.

차이점

• 시계열 문제는 그룹화된 대상을 지원하지만 회귀 문제는 지원하지 않습니다(시계열 문제의 구성 요소 참조). 여러 개의 서로 다른 모델을 학습하여 회귀 문제의 그룹화된 시나리오를 처리할 수 있지만, 이는 그룹 전체에 걸친 전역적 학습을 수행해야 합니다.

• 시계열 문제는 특정 기능 변수를 미리 알고 있는 시나리오를 지원합니다(예: 날씨 관련 예측, 계획된 프로모션 할인, 날짜가 주중, 주말, 휴일에 해당하는지 여부). 이러한 기능 변수는 향후 기능으로 알려져 있습니다.

• 시계열 문제의 경우, 데이터는 고정된 시간 간격의 날짜 또는 날짜/시간으로 인덱싱되어야 합니다. 또한, 교육 및 예측 중에 다른 데이터 콘텐츠가 예측되고 생성됩니다(교육 데이터 집합 준비 및 적용 데이터 집합 준비 참조).

• 시계열 문제에서는 예측 값이 특정 날짜와 시간에 명시적으로 대응합니다. 회귀 문제에서 예측된 값은 특정 날짜 및 시간과 일치할 수도 있고 그렇지 않을 수도 있지만, 일치한다면 그 연관성은 출력에 명시적으로 표시되지 않고 암시적으로 나타납니다.

• 다양한 알고리즘이 사용됩니다(모델 알고리즘 이해 참조).