Open siant88 opened 9 months ago
전이 학습을 해서 모델 성능을 올리려 했지만 실패 함
데이터가 부족하다 여겨서 데이터보간을 하려 했지만
데이터보간을 월별데이터를 일별데이터로 만드는 것은 쉽지만
데이터의 신뢰성이 매우 떨어집니다.
지금 오존기온 딥러닝을 하려는 목적은
이번 프로젝트의 주제인 캠페인 활동의 목적의 이유가 되기 때문입니다.
미래에는 대기환경, 기후가 악화 될 것으로 예상되니
캠페인 활동의 활성화를 위해 프로젝트를 하고 있는데
미래예측에서 예상치 못한 문제점들이 많이 발생하고 있습니다 .
딥러닝에서의 학습모델 평가는 현재 데이터를 가지고 테스트 데이터가 맞추는
확률인데
미래예측에서는 1스텝이 넘어갈 때마다 예측도가 매우 떨어지고 1스텝에서도
75%라고 했을때 25% 들어가게 된다면 1스텝부터 잘못된 데이터가 들어갑니다.
그렇기 때문에
미래예측을 완벽하게 할 수도 없고 어느정도의 예측이나 패턴 분석으로
패턴이라도 비슷하게 가져가야되는데
현재 저는 데이터수집을 할때 시도별, 월별 기준으로 했기 때문에
서로간의 데이터의 상관관계를 나타내는 것에는 좋았으나
미래예측이나 딥러닝 학습에서는 데이터의 개수가 부족하므로
데이터 보간을 통해 데이터를 늘리는 것은 안좋은 방법이니
일별 데이터를 수집후에 다시 미래예측을 해보려 합니다.
전이 학습을 해서 모델 성능을 올리려 했지만 실패 함
데이터가 부족하다 여겨서 데이터보간을 하려 했지만
데이터보간을 월별데이터를 일별데이터로 만드는 것은 쉽지만
데이터의 신뢰성이 매우 떨어집니다.
지금 오존기온 딥러닝을 하려는 목적은
이번 프로젝트의 주제인 캠페인 활동의 목적의 이유가 되기 때문입니다.
미래에는 대기환경, 기후가 악화 될 것으로 예상되니
캠페인 활동의 활성화를 위해 프로젝트를 하고 있는데
미래예측에서 예상치 못한 문제점들이 많이 발생하고 있습니다 .
딥러닝에서의 학습모델 평가는 현재 데이터를 가지고 테스트 데이터가 맞추는
확률인데
미래예측에서는 1스텝이 넘어갈 때마다 예측도가 매우 떨어지고 1스텝에서도
75%라고 했을때 25% 들어가게 된다면 1스텝부터 잘못된 데이터가 들어갑니다.
그렇기 때문에
미래예측을 완벽하게 할 수도 없고 어느정도의 예측이나 패턴 분석으로
패턴이라도 비슷하게 가져가야되는데
현재 저는 데이터수집을 할때 시도별, 월별 기준으로 했기 때문에
서로간의 데이터의 상관관계를 나타내는 것에는 좋았으나
미래예측이나 딥러닝 학습에서는 데이터의 개수가 부족하므로
데이터 보간을 통해 데이터를 늘리는 것은 안좋은 방법이니
일별 데이터를 수집후에 다시 미래예측을 해보려 합니다.