📊 시간 시리즈 데이터에서 이상치 탐지하기

# 시간 시리즈 이상치 탐지 예제
library(tidyverse)
library(forecast)
library(ggplot2)
library(tsoutliers)

# 오류 처리 함수
tryCatchBlock <- function(expr) {
  tryCatch(
    expr,
    error = function(e) {
      message <- paste0("오류 발생: ", e$message)
      cat(message, '
')
      return(NULL)
    }
  )
}

# 데이터 로드 함수
load_data <- function(file_path) {
  tryCatchBlock({
    data <- read_csv(file_path)
    if (!any(names(data) %in% c("date", "value"))) {
      stop("필수 컬럼(date, value)이 누락되었습니다.")
    }
    data$date <- as.Date(data$date)
    return(data)
  })
}

# 이상치 탐지 함수
detect_anomalies <- function(data) {
  tryCatchBlock({
    ts_data <- ts(data$value, frequency = 12)
    model <- tslm(ts_data ~ 1)
    outliers <- tsoutliers(ts_data, type = c("A","LS","AO","L"), 
                           max.iter = 50, quiet = TRUE)
    return(outliers$poisson)
  })
}

# 주요 실행 로직
tryCatchBlock({
  # 데이터 로드
  data <- load_data("sample_time_series.csv")

  # 이상치 탐지
  anomalies <- detect_anomalies(data)

  # 시각화
  plot_data <- data %>% 
    mutate(anomaly = ifelse(date %in% anomalies$date, "anomaly", "normal"))

  ggplot(plot_data, aes(x = date, y = value, color = anomaly)) +
    geom_line() +
    labs(title = "시간 시리즈 이상치 탐지 결과") +
    theme_minimal()

  # 결과 저장
  ggsave("anomalies_plot.png", plot = last_plot(), width = 10, height = 6)
})