LLM( 생성형) 업무효율화, 업무활용, 인공지능 활용하여 일잘 하는법 108

LLM( 생성형) 업무효율화, 업무활용, 인공지능 활용하여 일잘 하는법 108

 

 

가중이동평균

가중이동평균법은 관측치에 가중치를 적용하는 것이 가중이동평균입니다. ‘관측치’ 즉 실제 값에 ‘가중치’ 무게를 넣는 것입니다. 예를 들어서 3개월 이동평균법을 가중이동평균을 적용하게 되면 다음과 같습니다.

년도	실제 판매량	3개월	가중치
1월	1,548	-	-
2월	1,065	-	-
3월	1,383	-	-
4월	1,342	1,332	10%
5월	1,105	1,263	10%
6월	1,007	1,277	10%
7월	1,220	1,151	10%
8월	1,422	1,111	10%
9월	1,496	1,216	10%
10월	1,305	1,379	10%
11월	1,001	1,408	10%
12월	1,206	1,267	20%
1월			100%

 

이러한 가중치는 마지막인 12월 자료에 무게를 높게 설정해서 최신 정보를 더 신뢰하기 때문입니다. 관측치 그러니까 실제 판매량 12월에 높게 의미를 부여 하는 것이고 이렇게 가중치를 사용자가 임의로 부여를 하게 되는데 이때 중요한 것은 전체 값이 100%를 넘어가면 안된다는 것입니다. 그럼 4월의 식은 1342*0.9=1,207.8 / 3개월 평균은 1,332 오차 절대값은 124.2가 됩니다. 이렇게 강조하고 싶은 데이터에 무게를 넣고 가볍게 할 것에는 무게를 빼는 방법을 적용하는 가중이동평균입니다.

 

이동평균법에 대해서 충분히 이해를 하셨다면 가중이동평균은 그냥 함수식 하나 추가 되는 것이라 어렵지 않을 것입니다. 가중이동평균이 이동평균보다는 좀 더 분석하는 사람의 주관과 직관이 적용되지만, 이를 좀 더 효율적으로 하는 방법 중 하나가 지수평활법입니다.

 

이어지는 다음 포스팅에서는 지수평활법에 대해 살펴보겠습니다.

.

.

.

생성형인공지능, LLM, 일잘러, RAG응용, 챗지피티 를 활용해서 프로 일잘러 되기 출간 준비중~~!!