신규 고객은 Amazon Forecast를 더 이상 사용할 수 없습니다. Amazon Forecast의 기존 고객은 서비스를 정상적으로 계속 사용할 수 있습니다. [자세히 알아보기](https://aws.amazon.com/blogs/machine-learning/transition-your-amazon-forecast-usage-to-amazon-sagemaker-canvas/)

기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

# Autoregressive Integrated Moving Average(ARIMA) 알고리즘
<a name="aws-forecast-recipe-arima"></a>

Autoregressive Integrated Moving Average([ARIMA](https://en.wikipedia.org/wiki/Autoregressive_integrated_moving_average))는 일반적으로 사용되는 시계열 예측용 로컬 통계 알고리즘입니다. ARIMA는 입력 데이터 세트에서 표준 시간 구조(패턴화된 시간 구조)를 캡처합니다. Amazon Forecast ARIMA 알고리즘은 CRAN(Comprehensive R Archive Network)의 `Package 'forecast'`에 있는 [Arima 함수](https://cran.r-project.org/web/packages/forecast/forecast.pdf#Rfn.Arima.1)를 직접적으로 호출합니다.

## ARIMA의 작동 방법
<a name="aws-forecast-recipe-arima-how-it-works"></a>

ARIMA 알고리즘은 고정 시계열로 매핑될 수 있는 데이터 세트에 특히 유용합니다. 자기 상관 등 고정 시계열의 통계적 특성은 시간과 무관합니다. 고정 시계열의 데이터 세트는 일반적으로 신호 및 노이즈 조합을 포함합니다. 신호는 정현적 진동 패턴을 나타낼 수도 있고 계절적 요소를 가질 수도 있습니다. ARIMA는 노이즈에서 신호를 분리하는 필터와 같은 기능을 하며, 앞으로의 예측을 위해 신호를 추론합니다.

## ARIMA 하이퍼파라미터와 튜닝
<a name="aws-forecast-recipe-arima-hyperparamters"></a>

ARIMA 하이퍼파라미터 및 튜닝에 대한 자세한 내용은 [CRAN](https://cran.r-project.org)의 [패키지 '예측'](https://cran.r-project.org/web/packages/forecast/forecast.pdf)에 있는 `Arima` 함수 설명서를 참조하세요.

Amazon Forecast는 다음 표를 사용하여 [CreateDataset](API_CreateDataset.md) 작업에 지정된 `DataFrequency` 파라미터를 R [ts](https://www.rdocumentation.org/packages/stats/versions/3.6.1/topics/ts) 함수의 `frequency` 파라미터로 변환합니다.


| DataFrequency(문자열) | R ts 빈도(정수) | 
| --- | --- | 
| Y | 1 | 
| M USD | 12 | 
| W | 52 | 
| D | 7 | 
| H | 24 | 
| 30min | 2 | 
| 15min | 4 | 
| 10min | 6 | 
| 5min | 12 | 
| 1min | 60 | 

24보다 작은 빈도 또는 짧은 시계열의 경우 [CRAN](https://cran.r-project.org)의 `Package 'forecast'`의 `auto.arima` 함수를 사용하여 하이퍼파라미터가 설정됩니다. 24 이상의 빈도 및 긴 시계열의 경우 여기서 [긴 계절성 기간에 대한 예측](https://robjhyndman.com/hyndsight/longseasonality/)에 설명한 대로 K = 4인 푸리에 급수를 사용합니다.

표에 표시되지 않은 지원되는 데이터 빈도는 기본적으로 1의 `ts` 빈도로 설정됩니다.