Kaggle-ion-switching(1)

• Kaggle Ion Switching 과제를 수행하기 위한 방법론으로써 다중변수 Time Series LSTM 도입 고민 참고링크

• signal 데이터를 가지고 시계열분석 -> 도출되는 값(y) : Open_Channels 수 (0~10)

• Hidden Markov Chain : open_chennels 기반, 다음 change에 대해 기존 확률값을 기반으로 추출하는 방법 (이때 signal 신호세기는 어떻게 활용되는건가??)

• Description 보면, 해당 데이터가 50초 단위, Row로 보면 50만개 단위로 배치되었다고 함. (50만 -> 50만+1 : 둘 사이는 끊김이 있다고 봐야함, discontiouns)

• 배치 안에서의 값은 Continous 하지만, 배치 사이에는 Discontinous

• Train 기준 총 10개의 배치 : 총 500초의 데이터이며, 1초당 1만번의 주기 (1kHz) 를 가지고 있는 Signal 데이터임

• data = generated + noise + drift

  • noise와 drift는 제어할 수 없으면서 측정변수에 영향을 끼치는 변수
  • drift는 들쭉 날쭉한 신호에서 평균적으로 천천히 한쪽 방향으로 치우치는 경향, 즉 bias를 의미