2024년 8월 26일 — 실제 데이터로 더 쉽게 예측 모델 훈련시키기¶

이제 Time-Series Forecasting ML 함수에 훈련 데이터에 누락되거나 중복되거나 오정렬된 시간 스텝이 있는 경우에도 예측 모델을 성공적으로 훈련시킬 수 있는 전처리 기능이 추가되었습니다. 과거에는 실제 데이터에서 흔히 발생하는 이러한 문제로 인해 모델을 훈련시키지 못하는 경우가 많았습니다. 이러한 기능은 다음과 같습니다.

• 모델이 이벤트 케이던스를 추론하지 못하거나 잘못 추론하는 경우 수동으로 이벤트 케이던스를 지정할 수 있습니다.

• 모델은 인접한 시간 스텝에서 누락된 대상 값을 보간할 수 있습니다.

• 모델은 다양한 방식으로 표준 이벤트 주기 외부에서 발생하는 이벤트의 차원 값을 집계할 수 있으며, 값 유형 또는 열별로 집계 동작을 지정할 수 있습니다.

이러한 수정 횟수가 상대적으로 적다고 해서 예측 정확도에 눈에 띄게 영향을 미치지는 않습니다.

자세한 내용은 시계열 예측에서 실제 데이터 처리 섹션을 참조하십시오.