자기 상관 함수
- 시간대가 x인 모든 데이터들의 상관 관계를 내포한 함수
- machine learning의 heatmap과 유사
1. ACF
- 같은 시간대의 두 지점사이의 관계를 봄
- 두 지점 사이의 데이터의 관계까지 같이 봄
ex) 0, 1, 2, 3, 4, 5 라는 데이터가 있다고 가정
같은 시간대인 x시점에서 0과 5 데이터의 상관 관계를 보고싶음
이때 사이에 있는 1, 2, 3, 4의 상관관계까지 나타냄
import numpy as np
import matplotlib.pyplot as plt
from statsmodels.graphics.tsaplots import plot_acf, plot_pacf
x = np.array(range(100))
y = np.sin(x + np.pi/3)
plot_acf(y)
plt.show()
2. PACF
- 같은 시간대의 두 지점사이의 관계를 봄
- 두 지점 사이의 데이터의 관계만 봄
ex) 0, 1, 2, 3, 4, 5 라는 데이터가 있다고 가정
같은 시간대인 x시점에서 0과 5 데이터의 상관 관계를 보고싶음
0과 5만 보게됨
import numpy as np
import matplotlib.pyplot as plt
from statsmodels.graphics.tsaplots import plot_acf, plot_pacf
x = np.array(range(100))
y = np.sin(x + np.pi/3)
plot_pacf(y)
plt.show()
자기 상관 계수가 낮을 수록 정상성 데이터 확률 높음
파란 범위에 들어간 데이터는 자기 상관x => 정상성 데이터임
