Autocorrelation Function
Autocorrelation Function(ACF)는 시계열 데이터에서 지연(lag) 시간에 따라 자기 상관 관계를 계산하는 함수입니다.
이 함수는 시계열 데이터에서 반복 패턴을 찾는 데 유용합니다.
Autocorrelation Function은 시계열 데이터의 자기상관 함수를 계산하는 것을 의미합니다.
자기상관 함수는 시간 간격의 길이를 나타내는 랙(lag)에 대해 시계열 데이터가 서로 관련되어 있는 정도를 측정합니다.
자기상관 함수를 계산하려면, Pandas의 autocorr() 메서드를 사용합니다.
Rolling Window
Rolling Window는 시계열 데이터에서 일정 시간 간격의 평균 값을 계산하는 데 사용됩니다.
이동 평균을 계산하는 데 사용되며, 시계열 데이터에서 반복 패턴을 찾는 데 유용합니다.
Pandas의 rolling() 메서드를 사용하여 이동 평균을 계산합니다.
Seasonal Decomposition
Seasonal Decomposition은 시계열 데이터에서 추세, 계절성 및 잔여 성분을 분리하는 기법입니다.
이 기법은 시계열 데이터에서 반복 패턴을 찾는 데 유용합니다.
Pandas의 seasonal_decompose() 메서드를 사용하여 계절성 분해를 수행합니다.
위 코드에서는 np.random 모듈을 사용하여 예제 데이터를 생성합니다.
데이터는 2022년 1월 1일부터 2022년 12월 31일까지의 날짜를 인덱스로 가지고, value 컬럼에는 0부터 100사이의 랜덤값이 들어가게 됩니다.
이제 생성된 데이터를 시각화해보겠습니다.
위 그래프에서는 생성된 예제 데이터를 시각화한 것입니다.
이제 Autocorrelation Function과 Rolling Window, Seasonal Decomposition을 적용해보겠습니다.
위 코드에서는 plot_acf() 메서드를 사용하여 Autocorrelation Function을 적용하고, rolling() 메서드를 사용하여 Rolling Window를 적용합니다.
그리고 seasonal_decompose() 메서드를 사용하여 Seasonal Decomposition을 적용합니다.