AI 머신러닝 시계열 데이터 알고리즘 DTW(Dynamic Time Warping), Fast DTW

안녕하세요. SW 개발자 쪼맹 입니다. 오늘은 DTW 와 Fast DTW 에 대해서 알아보고자 합니다. [DTW] : Dynamic Time warping, 동적 시간 뒤틀림 : 두 시계열 데이터 간의 유사성을 측정하는 알고리즘 입니다. 두 시계열 데이터 간의 거리가 최소화 되는 방향으로 매칭 시켜서 누적거리가 최소화 되는 경로를 찾습니다. : 음성 인식, 의료 분야, 비디오 & 오디오 분야 등에 사용 됩니다. 즉, 두 신호의 유사성을 계산하는 것이 키 입니다. : 단순히 동일한 시간에 데이터 뿐만 아니라 주변 데이터까지 비교 대상으로 매칭하여 가장 비슷한 데이터를 찾고 매칭 후 거리를 계산하는 것 입니다. : DTW Matrix 를 구해서 최소 값을 가지는 경로를 구하여 데이터를 매칭 합니다. 장점 : 서로 다른 길이의 시계열 데이터의 유사도 분석이 가능합니다. 단점 : 알고리즘 구현이 어렵고 연산량이 많습니다. 소스 예시 import numpy as np import dtw id...

원문링크 : AI 머신러닝 시계열 데이터 알고리즘 DTW(Dynamic Time Warping), Fast DTW