[A.I] 파이썬으로 만드는 인공지능 8장 이론 시험 문제 예측해보기

8장

• 시계열 데이터란 무엇이고, 이러한 시계열 데이터의 특성은 무엇이 있는지 서술하시오

시계열 데이터란 시간 정보가 들어 있는 데이터를 의미하며, 실시간성이 반영되는 데이터를 의미한다. 즉 동적 데이터이다.

이러한 시계열 데이터의 특성으로는 요소의 중요성, 길이가 다른 샘플, 문맥 의존성, 계절성이 반영된다는 특성이 존재한다.

이러한 시계열 데이터를 딥러닝에 반영하는 방법은 LSTM과 순환신경망이 있다.

• 데이터 샘플의 길이가 너무 길 때, 미래 예측을 위한 데이터를 준비하는 과정에 대해 설명하시오

→ 데이터를 준비하는 과정에서 데이터의 길이가 너무 길면, 데이터를 적절한 조각 단위로 분할하여 계산하여야하는데, 이때 이러한 조각의 구성요소의 수를 w 라는 단위로 잘라 여러개의 샘플을 수집한다. 그 다음에는 얼마만큼 미래에 일어날일인지 수평선 계수 h를 구한다.

순환 신경망이 필요한 이유: 시간에 따라 값이 하나씩 순차적으로 들어온다는 사실을 반영해야한다 즉 동적 데이터를 처리해야하는데, 이때는 다층 퍼셉트론을 살짝 수정하면된다.

순환 신경망의 구조는 다층 퍼셉트론과 유사한데, 먼저 기존의 퍼셉트론 개념에선 입력층에서 은닉층으로 갈 때의 가중치가 U이고, 은닉층에서 출력층으로 갈때 가중치 V를 적용해주었다.

하지만 순환 신경망은 여기서 은닉층의 노드들 사이에도 간선이 존재한다는 점이 다층 퍼셉트론과의 차이점인데, 이것을 은닉층 끼리의 순환 가중치라고 한다.

즉 (U,V) 였던 다층 퍼셉트론의 가중치 집합이 (U,V,W) 집합으로 변경 되었다(W는 순환 가중치)

그렇다면, 순환 신경망이 동작하는 원리에 대해 설명하시오

i 의 순간에 a^i는 가중치 U를 통해 은닉층 h^i에 영향을 미치고, h^i는 가중치 V를 통해 출력층 o^i에 영향을 미친다. + 이때 h^i-1 은 순환 가중치 w 를 통해 h^i에 영향을 미친다

즉 순환 신경망은 이전 순간의 은닉층 상태 h^i-1를 현재 순간의 은닉층 h^i로 전달하여 시간성 데이터를 처리한다 (즉 h^i가 받는 입력는 두가지다 1. 직전 상태 값 h^1, 2. 새로운 a의 입력)

순환 신경망의 기억력 한계

1. 은닉측의 상태를 다음 순간으로 넘기는 과정을 통해 과거를 기억한다
2. 장기 문맥 의존성 처리가 힘듦 → LSTM으로 해결
3. 데이터가 계속 입력된다면 기억력이 감퇴된다

이러한 선별 기억 능력을 해결하는 것이 LSTM (Long Short Term Memory)

LSTM 은 게이트라는 개념으로 선별기억을 확보한다

o나 x를 통해 노드끼리의 게이트 여닫음을 표현하는데, 실제로는 게이트는 0~1까지의 실수 값으로 열린 정도를 조절한다

이때 LSTM의 가중치는 순환 신경망의 (U,V,W)에 4개를 추가 → (U,Ui,Uo,W,Wi,Wo,V)이때 i는 입력 게이트, o는 출력 게이트

평균 절대값 오차와 평균 절대값 백분율 오차에 대해 설명하시오

평균 절대값 오차 : 예측 값과 결과 값 사이의 절대적 차이의 평균이고, 계산이 쉽고 직관적이라는 장점이 있지만, 예측 값의 규모가 크면 계산이 힘들다는 문제가 존재한다.

이를 해결하기 위해 등장한 개념이 평균 절대값 백분율 오차인데, 예측값과 실제 값 사이의 절대적 차이의 비율에 대한 평균으로써, 예측 값의 비례하여 측정하여 해석이 비교적 용이하지만, 실제 값이 만약 0에 가까워진다면 비율이 왜곡 될 수 도 있다는 단점이 존재한다

등락 정확률이란?

1. 등락을 얼마나 정확하게 맞히는가?
2. 맞힌 경우의 수 / 전체 샘플 수 = 등락 정확률