h-elena

RMSE(root-mean-squared error)

It does this by measuring difference between predicted values and the actual values.

In a good model, the RMSE should be close for both your testing data and your training data.

출처: https://www.quora.com/What-is-the-meaning-of-root-mean-squared-error-RMSE-in-statistics

시계열 ts()

R로 시계열 분석 시, frequency를 나눌 때는 데이터가 frequency대로 정확하게 떨어지게 나눠야 함

ex)

ts(data, start=c(2012,3), frequency = 12) 

2012년 1월~2018년 2월 자료까지 밖에 없는 경우

2012년 3월을 start 점으로 해줘야 함

학습용(Training), 검증용(Validation), 시험용(Test) 데이터 분류

1) 시계열 데이터가 아닌 경우

- seed 설정 후 분류

2) 시계열 데이터일 경우

Training data - 오래된 데이터

Validation data - 그 다음 데이터

Test data - 가장 최신의 데이터

참고: http://kkokkilkon.tistory.com/13

approx VS approxfun

1. approx

- 지정된 점 혹은 지전된 수의 근사함수의 값을 리턴한다

- 알고 있는 지점에서 근사값(approximation)이 필요한 경우에 사용

2. approxfun

- 특정 시점에서 평가할 수 있는 함수를 반환한다

- 추후에 주어진 인수에 대해 근사값을 반환하는 함수가 필요한 경우에 사용

시계열 분석 시, 주로 monthly, yearly 혹은 weekly 데이터로 추정함

daily데이터로는 추정하는 경우는, 일자별로 데이터 수가 중요할 때

예를 들면, 업무시간! 월~금의 업무시간과 주말의 업무시간은 차이가 날 수 밖에 없음

보간법(interpolation) 

가장 기본이 되는건 선형보간법으로 데이터 평균으로 추측하는 법

El nido

Puerto princesa -> van or motobicle

*motobicle-500pesos/per day(24h)/4.5hours commute

100자 이내

트래픽 높으면서

혼잡도가 낮은 단어들

일반적 키워드 40%

선점되지 않은 키워드 60%(혼잡도 1 넘고, 이미 등록된 앱 20개 이상일 경우 사용하지 않도록)