K-평균 군집화란 비지도 학습의 한 형태로, 데이터(카테고리 또는 그룹이 정의되지 않은 데이터)에 레이블이 없을 때 사용됩니다. 이 알고리즘의 목표는 데이터에서 그룹을 찾는 것이며, 이때 그룹 번호는 변수 K로 나타냅니다. 알고리즘은 다음 항목에 반복적으로 적용됩니다.

이 튜토리얼은 R을 사용해 ARIMA 모델을 적합하게 보정하기 위한 단계별 가이드입니다. ARIMA 모델은 이전 정보를 이용해 예측하여 높은 인기와 유연성을 자랑하는 예측 모델입니다. 이러한 유형의 모델은 기본적인 예측 기법으로 다음 항목에 대한 토대로 사용할 수 있습니다.

머신 러닝에서 시계열 예측으로의 전환은 적어도 저에게는 급진적으로 보였습니다. 저는 데이터 과학자로서 거의 1년 동안 머신 러닝 모델을 개발하는 데 힘을 쏟았습니다. 쉽지 않은 일이었지만 풍부한 경험을 쌓아 다음과 같은 사항을 보다 잘 이해할 수 있게 되었습니다.