시계열 예측 (Forecasting)
과거의 추세를 기반으로 미래의 가치를 예측하고 추세를 분석하세요.
1. 데이터 소스
엑셀/CSV 드래그 & 드롭
또는 클릭하여 파일 선택
3. 분석 알고리즘
0.30
5
데이터를 분석할 준비가 되었습니다.
시계열 데이터를 드래그하여 업로드하세요.
(예: 날짜별 매출, 시간대별 온도 등)
분석 알고리즘 가이드
이동평균법 (Moving Average)
일정 기간(윈도우)의 평균을 내어 단기 변동을 제거합니다. 윈도우가 클수록 평활화가 강해지지만 최신 추세 반영은 느려집니다.
지수평활법 (Exponential Smoothing)
최근 데이터에 더 큰 가중치를 주는 방식입니다. 평활계수(Alpha)가 1에 가까울수록 최근 값을 강하게 반영하고, 0에 가까울수록 과거의 영향을 많이 받습니다.
RMSE & MAE
예측값과 실제값의 차이를 나타내는 핵심 지표입니다. 수치가 작을수록 모델이 과거 데이터를 잘 설명(Fitting)하고 있음을 의미합니다.
데이터 준비 팁
시계열 데이터는 일정한 시간 간격(일, 주, 월 등)을 유지하는 것이 중요합니다. 중간에 비어있는 데이터는 이전 값으로 채워주는 것이 좋습니다.
단기 vs 장기 예측
위의 알고리즘들은 주로 단기 예측에 적합합니다. 계절성(Seasonality)이 강한 데이터는 별도의 보정이 필요할 수 있습니다.
결정계수와 차이
회귀분석의 R²가 원인과 결과의 관계를 본다면, 시계열 예측은 시간의 흐름 그 자체에서 패턴을 찾아 미래를 엿보는 도구입니다.