선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 그래서 이번 연구에서 관중 수를 예측하는 모델을 만들어 보고자 한다. 시계열 모형을 이용하여 년 단위 관중 수를 예측하는 모델은 많이 제시되었지만 본 연구에서는 일일 단위 관중 수를 예측하는 모형을 만들어 보려고 한다.
- 최종 예측 모델은 두 개 각각의 모델보다 더 좋은 정확성을 가지고 있음을 보였다. 본 연구는 선행 연구에서 부족했던 일일 단위 관중 수 연구를 수행하고 변수 모델을 시계열 모델과 결합하여 최적의 결과를 얻는 데에 의미가 있다. 향후 이것을 활용하여 여러 분야에서 응용이 가능할 것이라고 기대된다.
- 본 연구와 관련하여 관중 수를 예측하는 연구를 살펴보면 지난 수년간 관중 수 자료를 이용해 ARIMA 모형을 만들어 년 단위 관중 수를 예측하는 것이다. 이 방법은 시계열 자료의 자기상관특성을 이용하는 방식으로 일정한 주기를 가지는 년 단위 모델에 적합하다[1].
- 그래서 이번 연구에서 관중 수를 예측하는 모델을 만들어 보고자 한다. 시계열 모형을 이용하여 년 단위 관중 수를 예측하는 모델은 많이 제시되었지만 본 연구에서는 일일 단위 관중 수를 예측하는 모형을 만들어 보려고 한다. 년 단위 관중 수 예측보다 일일 단위 예측이 훨씬 많은 활용가치가 있을 거라고 생각된다.
- 이렇듯 여러 변수 간의 관계를 이용해 MLP 모델을 만들 것이다. 이를 GKFN 모델과 결합해서 최적의 결과를 갖는 모델을 만드는 것이 최종 목표이다.
- 최소 649부터 최대 28500까지의 넓은 범위의 데이터 값을 re-scaling하기 위해 정규화 과정을 거쳤다. 정규화의 목적은 범위가 너무 큰 데이터 값을 이용하면 노이즈가 들어가거나 overfitting될 확률이 높기 때문에 정규화를 통해 범위를 줄여주는 데 목적이 있다. min-max 정규화를 통해 데이터 값은 0부터 1까지의 값으로 정규화 되게 된다.
가설 설정
- 년 단위 관중 수 예측보다 일일 단위 예측이 훨씬 많은 활용가치가 있을 거라고 생각된다. 먼저 시계열 조건을 고려해 예측 모델을 만들 것이다. 기존 시계열 분석 방법과 차별화된 GKFN 모델을 이용해 커널을 이용한 분석 모델이 될 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.