DOI QR코드

DOI QR Code

Analysis Standardization Layout for Efficient Prediction Model

예측모델 구축을 위한 분석 단계별 레이아웃 표준화 연구

  • Received : 2018.09.07
  • Accepted : 2018.10.01
  • Published : 2018.10.30

Abstract

The importance of prediction is becoming more emphasized, due to the uncertain business environment. In order to implement the predictive model, a number of data engineers and scientists are involved in the project and various prediction ideas are suggested to enhance the model. it takes a long time to validate the model's accuracy. Also It's hard to redesign and develop the code. In this study, development method such as Lego is suggested to find the most efficient idea to integrate various prediction methodologies into one model. This development methodology is possible by setting the same data layout for the development code for each idea. Therefore, it can be validated by each idea and it is easy to add and delete ideas as it is developed in Lego form, which can shorten the entire development process time. Finally, result of test is shown to confirm whether the proposed method is easy to add and delete ideas.

예측의 중요성은 경제상황의 급변 등으로 점차 중요해지고 있다. 예측 모델을 구현하기 위해서는 다수의 데이터 엔지니어와 사이언티스트들이 프로젝트에 참여하게 된다. 이때 모델을 고도화 시키기 위하여 다양한 예측모델 아이디어가 제시된다. 제시된 모든 아이디어의 유효성을 판단하기 위하여 예측 모델에 대한 정확도를 테스트하고 유효하지 않은 경우 다시 모델을 재설계하고 개발하는데 오랜 시간이 소요된다. 본 연구에서는 다양한 아이디어를 하나의 모델로 통합하는 가장 효율적인 방법론을 찾기 위하여 레고 형태의 개발 방법론을 제시한다. 레고 형태의 개발방법론은 각 아이디어에 대한 개발 코드에 대하여 동일한 데이터 레이아웃을 설정함에 따라 가능하다. 따라서 아이디어 별로 유효성 검증이 가능하고 레고 형태로 개발함에 따라 아이디어의 추가 및 삭제가 용이하여 전체 개발공정 시간을 단축할 수 있다. 마지막으로 제시한 방법이 실제 아이디어의 추가/삭제가 용이한지 개발 및 테스트를 수행하였다.

Keywords

References

  1. Taylor, James W, "An evaluation of methods for very short-term load forecasting using minute-by-minute British data," international Journal of Forecasting, vol.24, no.4, pp.645-658, 2008. https://doi.org/10.1016/j.ijforecast.2008.07.007
  2. Taylor, James W, "Triple seasonal methods for short-term electricity demand forecasting," European Journal of Operational Research, vol.204, no.1, pp.139-152, 2010. https://doi.org/10.1016/j.ejor.2009.10.003
  3. SongGyungBin, "An Algorithm of Short-Term Load Forecasting, vol.10, no.53A, pp.529-535, 2004.
  4. HyoKwanKim, "A study on the advanced demand forecasting system using big data technique", 2017
  5. SeoMyungYul, "A Study on the Seasonal Adjustment of Time Series and Demand Forecasting for Electronic Product Sales," koras, vol.3, no.1, pp13-39, 2003.
  6. NamGyunHeo, "A Study on Air Demand Forecasting Using Multivariate Time Series Models" Communications for Statistical Applications and Methods, vol.22, no.5, pp1007-1017, 2009.
  7. Berkeley, http://www.eecs.berkeley.edu/Pubs/TechRpts/2011/