Introduction to Trading, Machine learning&GCP [5]

Forecasting 

대용량의 데이터를 INPUT으로 주입해, 고차원의 영역에서(여기서 고차원이란, 많은 feature를 다루는 것을 뜻함) 복잡한 수학식을 이용해, 놀라운 결과를 OUTPUT으로 내는 것이다. 

 

Forecasting 의 두 가지 분류

공통점은, 아래 둘 다 데이터를 모으고, 정제하고, 모델을 만들고, 실험하고, 결과를 만들어내야 한다는 것이다.

 

질적예측 

- 두가지 통상적인 질문에 대답하고 그들의 답변에 정당성을 부여하며, 이에 대해 수정이나 거부할 수 있는 전문가가 포함된다. 역사적 수명주기(시장), 시장 조사 등이 예시가 될 수 있다. 따라서 전문가의 판단에 의해 주관적인 결과를 내놓을 수 있으므로, 과거 데이터가 존재하지 않을 때 쓰인다.

 

양적예측 

- 과거 수치 데이터가 이용가능할 때, 그리고 특정 패턴이 미래에도 계속될 것 같을 때 사용하는게 적절하다. 

 

아래는 양적예측의 두가지 분류

1. Casual 

단일 설명 변수를 사용하여 모형화하거나 다중 변수를 사용하여 더 복잡한 모형을 모형화

회귀 분석에서는 설명 변수를 사용하여 변수를 예측하는 반응을 설명한다

Regression 을 이용하며, 반응을 설명하기 위해 변수들을 사용한다. 

 

 

2. Time Series 

 

미래에 대한 예측으로 마지막 기간의 실제 값의 함수를 사용

 

미래 데이터를 예측하기 위해 과거 데이터를 이용한다. (다른 변수는 없음)

 

---

출처  coursera

출처 coursera

내가 구조화 시킨 데이터에 따라서, 적절한 모델을 선택해야한다. 

이전 글에서 Linear Regression 을 사용한 것과 같이

 

구글에서 만든 BigQuery를 이용해 머신러닝 모델 구현에 대해 소개하고 있다.

 

출처) coursera

출처) coursera 

자사 제품을 이용하면 좋은 점에 대해 나열하고 있는데, 개인적으로 4번째가 어떤지 궁금하다.