Notice
Recent Posts
Recent Comments
Link
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | ||||||
2 | 3 | 4 | 5 | 6 | 7 | 8 |
9 | 10 | 11 | 12 | 13 | 14 | 15 |
16 | 17 | 18 | 19 | 20 | 21 | 22 |
23 | 24 | 25 | 26 | 27 | 28 |
Tags
- 머신러닝
- 기초통계
- Pandas
- 파이썬 pandas
- 가설검정
- 모두의 딥러닝
- word2vec
- F분포
- 회귀분석
- numpy
- 다층 퍼셉트론
- 텐서플로2와 머신러닝으로 시작하는 자연어처리
- 자연어 처리
- student t분포
- 밑바닥부터 시작하는 딥러닝
- 코사인 유사도
- Django
- rnn
- 텍스트 분류
- 구글 BERT의 정석
- 감성분석
- 기술통계학
- 차원축소
- 히스토그램
- 군집화
- 은준아 화이팅
- 밑바닥부터 시작하는 딥러닝2
- 결정계수
- 오래간만에 글쓰네
- 최소자승법
Archives
- Today
- Total
데이터 한 그릇
8)시계열을 위한 머신러닝2 본문
DTW 의 규칙은 다음과 같다
- 한 시계열의 모든 시간은 최소한 다른 시계열의 한 시간에 대응해야 한다
- 각 시계열의 처음과 끝은 서로 처음과 끝에 대응해야 한다
- 시간 간의 매핑은 과거가 아니라 미래로 이동하는 관계만 표현해야 한다, 한 시계열의 시간축상에서 이미 지난 시간을 다른 시계열의 시간에 대응할 수는 없다.
잠깐...
이 책을 계속 봐본 결과 시계열을 위한 머신러닝은 개쓰레기 장인거 같다, 번역 문제인지 원본 문제인지 모르겠는데 공부하는 시간이 아깝다, 딥러닝 장은 다를 수 있으니 거기까지 봐보고 거기도 쓰레기면 그냥 구글링해서 시계열 구현해야겠다
'시계열 분석 > Practical TIme Series Analysis' 카테고리의 다른 글
11) 시계열 CNN (0) | 2022.11.04 |
---|---|
10)시계열 딥러닝 ANN (0) | 2022.11.04 |
8)시계열을 위한 머신러닝 (0) | 2022.10.31 |
6)시계열 특징의 생성 및 선택 (0) | 2022.10.26 |
5)시계열의 통계모델3 (0) | 2022.10.26 |
Comments