Page 1 of 1
[통계] 시계열 클러스터링
이름
*
일반적인 유클리드 거리 척도가 시계열 데이터 분석, 특히 클러스터링에 부적합할 수 있는 주된 이유는 무엇인가요?
*
일반적인 유클리드 거리 척도가 시계열 데이터 분석, 특히 클러스터링에 부적합할 수 있는 주된 이유는 무엇인가요?
A
시계열 데이터는 항상 길이가 다르기 때문에
B
시계열 데이터는 패턴이 유사하더라도 시간 축 상에서의 타이밍(위상) 차이가 있을 수 있기 때문에
C
시계열 데이터는 너무 많은 노이즈(noise)를 포함하고 있기 때문에
D
유클리드 거리는 계산 비용이 너무 높기 때문에
DTW (Dynamic Time Warping)는 두 시계열 간의 유사성을 어떻게 측정하나요?
*
DTW (Dynamic Time Warping)는 두 시계열 간의 유사성을 어떻게 측정하나요?
A
각 시점별 값의 차이를 단순 합산하여 거리를 계산한다.
B
두 시계열의 평균값 차이를 계산하여 유사성을 측정한다.
C
시간 축을 비선형적으로 왜곡(정렬)하여 두 시계열을 최대한 비슷하게 맞춘 후 거리를 계산한다.
D
푸리에 변환을 통해 주파수 영역에서의 유사성을 비교한다.
시계열 데이터 분석에서 'Barycenter'는 무엇을 의미하나요?
*
시계열 데이터 분석에서 'Barycenter'는 무엇을 의미하나요?
A
여러 시계열 데이터 중 가장 길이가 긴 시계열
B
여러 시계열 데이터의 각 시점별 평균값으로 구성된 새로운 시계열
C
주어진 시계열 집합 내 모든 시계열과의 DTW 거리 합이 최소가 되는 대표 시계열
D
시계열 데이터의 추세를 나타내는 직선 또는 곡선
DBA (DTW Barycenter Averaging)는 무엇을 계산하기 위한 알고리즘인가요?
*
DBA (DTW Barycenter Averaging)는 무엇을 계산하기 위한 알고리즘인가요?
A
두 시계열 간의 최적 정렬 경로 (warping path)
B
주어진 시계열 집합의 DTW 기반 Barycenter (대표 시계열)
C
시계열 데이터의 계절성 성분
D
시계열 데이터의 자기 상관 함수 (ACF)
Soft-DTW가 기존 DTW와 비교했을 때 가지는 주요 특징으로 올바른 것은 무엇인가요?
*
Soft-DTW가 기존 DTW와 비교했을 때 가지는 주요 특징으로 올바른 것은 무엇인가요?
A
계산 속도가 훨씬 빠르지만 정확도는 떨어진다.
B
DTW 경로 탐색을 더 부드럽고 확률적으로 수행하며, 미분이 가능하여 딥러닝 등에 활용하기 용이하다.
C
길이가 다른 시계열에만 적용할 수 있다.
D
반드시 양수(+) 값으로만 구성된 시계열에만 사용할 수 있다.
시계열 K-Means 클러스터링은 기존의 K-Means 알고리즘을 시계열 데이터에 어떻게 적용한 것인가요?
*
시계열 K-Means 클러스터링은 기존의 K-Means 알고리즘을 시계열 데이터에 어떻게 적용한 것인가요?
A
클러스터의 개수(K)를 자동으로 결정한다.
B
시계열 데이터를 이미지 데이터로 변환하여 처리한다.
C
클러스터 중심을 계산할 때 시계열 Barycenter 개념을 사용한다.
D
데이터 포인트 간의 거리(유사성) 측정 방식으로 유클리드 거리 대신 DTW 또는 Soft-DTW 등을 사용한다.
Submit