시계열 분석의 장단점을 아래와 같이 나열을 한다.
장점
- 통계 모델은 간단하고 투명해서 모델의 파라미터 측면을 보면 명확하게 이해 할 수 있다.
- 통계 모델을 정의하는 간단한 수학적 표현 덕분에 철저히 통계적인 방식으로 관심 속성을 도출하는 것이 가능 하다.
- 어느 정도 작은 데이터셋에 적용해도 여전히 좋은 결과를 얻을 수 있다.
- 다뤄진 간단한 통계 모델 및 이를 변형한 모델은 상당히 좋은 성능을 보이며, 매우 복잡한 머신러닝 모델과 비교해도 손색이 없다. 따라서 과적합이라는 위험성 없이도 좋은 성능을 얻을 수 있다.
- 모델의 차수 선택 및 파라미터 추정에 대해 잘 개발된 자동화 방법론은 예측을 간단하게 만든다.
단점
- 통계 모델은 매우 간단해서 데이터셋이 커지더라도 항상 성능 향상을 보장하지 않는다. 대규모 데이터셋으로 작업한다면 복잡한 머신러닝 모델 및 신경망 방법을 사용하는 것이 더 좋다.
- 통계 모델은 분포보다 분포의 평균값 추정에 집중한다. 예측의 불확실성에 대한 대용물로서 표본의 분산을 도출 할 수 있지만 이는 모델을 고를 때 선택 한 모든 것에 대한 불확실성을 제한된 방식으로만 표현 한다. 기본 모델이 모델을 선택 할 때, 선택한 모든 선택과 관련된 불확실성을 표현하는 제한된 방법만 제공한다.
- 정의에 따르면, 통계 모델은 비선형 행동을 다루기 위해 구축된 것이 아니라서 비선형 관계가 많은 데이터를 설명하는 데 적합하지 않다.
# 참고 서적 : 실적 시계열 분석 - 한빛 미디어
댓글 없음:
댓글 쓰기