시계열 데이터(Time series data)는 일정한 시간 간격으로 관측된 데이터다. 이러한 데이터는 시간의 순서에 따라 구성되며, 시간에 따른 패턴, 추세 및 계절성과 같은 특성을 가진다. 시계열 데이터의 주요 특성 및 구성 요소는 다음과 같다.
추세(Trend)
시계열 데이터에서 장기적으로 나타나는 상승 또는 하락 경향을 추세라고 한다. 추세는 경제 성장, 인구 증가 등과 같은 일반적인 변화를 반영한다.
계절성(Seasonality)
시계열 데이터에서 일정한 기간마다 반복되는 변동 패턴을 계절성이라고 한다. 계절성은 주로 연간, 분기, 월간 또는 주간 단위로 나타난다. 예를 들어, 여름철의 전력 소비 증가, 겨울철의 온도 하락 등이 계절성의 예시다.
주기(Cyclical)
주기는 시계열 데이터에서 일정하지 않은 기간에 걸쳐 나타나는 변동 패턴이다. 주기적 변동은 경기 순환과 같은 비정기적 요인에 의해 발생하며, 계절성과 구별되는 특징이다.
불규칙(Irregular)
불규칙 성분은 시계열 데이터에서 추세, 계절성, 주기성과 같은 다른 요인들로 설명되지 않는 다른 요인들로 나타난다. 이러한 불규칙 성분은 노이즈, 측정 오류, 예측할 수 없는 사건 등으로 인해 발생한다.
시계열 데이터 분석에서는 이러한 특성 및 구성 요소를 파악하고, 이를 기반으로 데이터를 전처리하고 모델을 구축한다. 예를 들어, 계절성을 제거하여 데이터를 정상화하거나, 추세를 파악하여 미래 예측에 활용할 수 있다. 이러한 과정을 통해 시계열 데이터의 패턴을 이해하고 예측 정확도를 높일 수 있다.
