시계열2 [개념] Time series data의 Complexity - 개요 뇌 과학 분야에서 Time series data가 가진 다양한 정보 중 Complexity(복잡성)의 중요성이 조명을 받고 있다고 한다. fNIRS나 EEG와 같은 방법을 통해 취득한 뇌 활동 data에서, 단순히 각 영역의 활성도 뿐만이 아니라, 각 영역 간 기능적 결합성과 복잡성 또한 중요한 특성임이 밝혀지고 있는 것이다. 보통, 시계열 데이터 하면 Trend(경향)이나 Cycle(주기)과 같은 성질이 주로 관심 받는 성질인데, System의 메카니즘을 추정하기에 유리하기 때문이다. 이에, 자기상관이나 푸리에변환 같은 기법은 시계열 데이터 분석의 주를 이루고 있다. 반면, Complexity는 System의 복잡도를 나타낸다. 이는 계의 카오스 적인 성질, 초기 조건에 민감하며 예측이 힘든 정도를 정.. 2019. 10. 12. [예제] 시계열 Data로부터 Mutual Information 구하기 지난번 글에 정보 엔트로피를 공부에 이어, Mutual Information을 구하는 예제를 작성해보고자 한다. Mutual Information은 두 확률 변수의 관계를 통해 압축될 수 있는 정보량이다. 간단히 복습해보자. 확률변수 X, Y가 있을 때 Mutual Information I(X;Y)는 다음과 같다. Joint Entropy H(X,Y)는 X, Y가 독립일 때 H(X)+H(Y)의 값을 가진다. 고로, Mutual Information은 X, Y가 독립일 때보다 감소한 불확실성을 나타낸다. Mutual Information은 확률변수 X와 Y를 엮을 수 있는 모든 상황에서 사용이 가능하다. 그 중 대표적인 것은 시계열 Data이다. 시계열 문제는 "시각 t 에 측정된 측정값 x, y 값의 관.. 2018. 8. 18. 이전 1 다음
