Page 31 -

predicted=452.200100, expected=417.400000
predicted=406.806117, expected=545.500000
predicted=430.162052, expected=477.600000
predicted=492.745314, expected=687.000000
predicted=493.604679, expected=435.300000
predicted=657.397158, expected=587.300000
predicted=522.091111, expected=676.900000
Test MSE: 8074.991

그림 7-3 예제에 대한 예측 결과

7

시계열 분석

실제 데이터(빨간색)와 모형 실행 결과(파란색)를 표시한 그림이 만들어졌습니다. 데이터가 우상
향 추세를 나타내고 있으므로, 자전거 판매가 향후에도 계속 증가할 것임을 예측할 수 있습니다.

이와 같이 ARIMA를 사용할 경우 데이터 경향을 파악해서 미래를 예측할 수 있습니다.

7.3 순환 신경망(RNN) DEEP LEARNING

RNN(Recurrent Neural Network)은 시간적으로 연속성이 있는 데이터를 처리하려고 고안된 인공 신

경망입니다. RNN의 ‘Recurrent(반복되는)’는 이전 은닉층이 현재 은닉층의 입력이 되면서 ‘반복
되는 순환 구조를 갖는다’는 의미입니다. RNN이 기존 네트워크와 다른 점은 ‘기억(memory)’을 갖
는다는 것입니다. 이때 기억은 현재까지 입력 데이터를 요약한 정보라고 생각하면 됩니다. 따라서
새로운 입력이 네트워크로 들어올 때마다 기억은 조금씩 수정되며, 결국 최종적으로 남겨진 기억

은 모든 입력 전체를 요약한 정보가 됩니다.

265