Exponential Smoothing 지수 평활법

Exponential Smoothing은 시계열 데이터에서 평활화(smoothing)된 값을 예측하는 방법 중 하나입니다. 지수 평활법이라고도 불립니다.

Exponential Smoothing은 과거 데이터에 대한 가중치를 지수적으로 감소시키면서 평균값을 계산하는 방법입니다. 이 방법은 최근 데이터가 예측에 더 큰 영향을 미치도록 하면서, 이전 데이터의 영향을 조금씩 감소시켜 예측을 수행합니다.

 

Exponential Smoothing은

  ㄴ 단순 지수 평활법(Simple Exponential Smoothing)과

  ㄴ Holt-Winters 지수 평활법(Holt-Winters Exponential Smoothing)으로 나뉩니다.

 

단순 지수 평활법은 단기적인 예측을 수행하는 데 적합하며, 가중치를 지수적으로 감소시키면서 단일 지수를 사용하여 평활화된 예측을 수행합니다.

Holt-Winters 지수 평활법은 계절성 패턴이 있는 시계열 데이터에서 예측을 수행하는 데 적합합니다. 이 방법은 단순 지수 평활법에 추세(Trend)와 계절성(Seasonality)을 고려하여 예측합니다.

  ㄴ 추세는 시계열 데이터의 상승 또는 하강 경향을 나타내며,

  ㄴ 계절성은 정기적인 주기를 갖는 패턴을 나타냅니다. 이러한 패턴들을 수식에 반영하여 예측을 수행합니다.

 

Exponential Smoothing은 간단하면서도 효과적인 방법으로, 일부 시계열 데이터에서 좋은 예측 성능을 보입니다. 하지만, 예측 대상의 시계열 데이터가 복잡한 패턴을 갖는 경우에는 다른 방법을 사용해야 할 수도 있습니다.