농산물 가격 예측 프로젝트

개요

프로젝트의 초점은 2021년도에 열렸던 농산물 가격 예측 대회의 데이터를 기반으로 시계열 데이터 분석 및 시계열 예측의 기본기를 다질 수 있도록 구성되어 있습니다.

목표

1. 시계열 데이터 이해와 분석: 시계열 데이터의 기본 구조와 특성, 그리고 주요 분석 기법(e.g., 이동평균, 지수이동평균, 계절성 분해 등)을 이해하고 적용합니다.

2. 데이터 전처리 및 정상성: 누락된 데이터, 이상치, 0 값 등을 처리하고, 시계열 데이터의 정상성을 검정합니다.

3. 기초부터 고급 예측 모델까지: Naive Forecasting으로 시작하여, ARIMA와 LightGBM 같은 고급 예측 모델까지 이해하고 적용합니다.

4. 파라미터 튜닝과 성능 평가: ACF, PACF 그래프 및 Optuna를 활용하여 모델의 성능을 최적화하고, NMAE 같은 성능 지표로 평가합니다.

5. Feature Engineering과 모델 고도화: 다양한 Feature Engineering 기법을 활용하여 모델의 성능을 향상시킵니다.

6. 실전 적용과 결과 해석: 학습한 모델을 실제 데이터에 적용하여 예측 결과를 생성하고, 이를 시각적으로 분석 및 해석합니다.

이러한 학습 목표를 통해 참가자들은 시계열 데이터 분석의 전반적인 과정을 체계적으로 배우고, 실제 문제에 적용하는 능력을 키울 수 있습니다.

설명

본 프로젝트의 목표는 농산물 가격 예측을 위한 시계열 데이터 분석과 모델링을 주제로 합니다. 총 6개의 스테이지로 구성되어 있으며, 각 스테이지는 다양한 학습 목표와 단계를 가지고 있습니다. 이 교재를 통해 학습자는 시계열 데이터의 특성을 이해하고, 이를 분석, 전처리, 모델링하는 전반적인 과정을 체계적으로 배울 수 있습니다.