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 | 29 |
| 30 |
Tags
- hugging face
- Enriching Word Vectors with Subword Information
- ROC-AUC Curve
- degree centrality
- 분류모델평가
- topic modeling
- 임베딩
- sbert
- dynamic topic modeling
- 사회연결망분석
- sensibleness
- 알파베타가지치기
- 동적토픽모델링
- Google Cloud Platform
- Holdout
- Meena
- GCP
- word representation
- 머신러닝
- word2vec
- 의미연결망
- type-hint
- 구글클라우드플랫폼
- 허깅페이스
- QANet
- Min-Max 알고리즘
- 감성분석
- sequential data
- semantic network
- 토픽모델링
Archives
- Today
- Total
목록transformer (1)
Dev.log
Transfomer를 통한 시계열 데이터 예측
시계열 데이터란 시간에 대해 순차적으로 관측되는 데이터의 집합을 의미합니다. 일반적인 데이터 분석과정에서 독립변수(independent variable)를 이용해서 종속변수(dependent variable)을 예측하는 방법이 일반적이라면, 시계열 데이터 분석은 시간을 독립변수로 활용한다고 이해하면 될것 같습니다.이러한 시계열 데이터의 예시로는 센서 데이터, 주식 데이터, 스트림 데이터 등이 존재합니다. 시계열데이터는 기록 추세, 실시간 경고 등과 같은 예측 모델링을통해 분석을 할 수 있습니다. Abrupt Change : 데이터가 가파른 변동을 보이는지 Outliers : 다른 값들과 동떨어진 Outlier가 관측되는지 Trend : 측정 값이 시간의 흐름 에 따라 증감, 반복을 하는 일정한 Patte..
머신러닝과 딥러닝
2022. 6. 12. 23:18