인공지능 (24) 썸네일형 리스트형 [시계열분석] 주식데이터 주가예측 - Prophet 모델 페이스북 시계열 분석 라이브러리 : Prophet 🐥 * 시계열 예측을 그래프(시각화)로 표현하는 모델 * Prophet 모델에 넣어줘야 하는 데이터 형태 - index는 날짜, Date컬럼, Adj Close(수정종가) 컬럼 - Prophet에서 사용하는 컬럼명은 ds, y 컬럼명을 사용함 → 기존 컬럼명을 수정해야함 → Date 컬럼명은 ds로, Adj Close 컬럼명은 y로 수정 가상환경 생성 - Prophet 🐥 * 가상환경 생성은 Base에서 명령 실행 * 가상환경 생성 후에는 생성된 가상환경 이름으로 활성화(activate) * 라이브러리 설치는 생성한 가상환경 안에서 모두 설치 진행... 1. 가상환경 신규 생성하기 → Prophet은 파이썬 3.9 이하 버전에서만 작동함(3.9 안됨) >.. [시계열분석] 주식데이터 주가예측 - ARIMA 모델 (잔차검증, 훈련 및 예측, 시각화) 잔차 🐥 * 잔차 : 실제값과 예측값과의 차이 * 잔차 검정 : 정상성, 정규성 등을 만족하는지 확인하는 검정 * 검정하는 함수 : summary(), plot_dignstics() Best Model을 이용해서 잔차 확인 잔차 검정 - summary() model.summary() (해석) P>|z| : p-value > 0.05 = 유의미하다 = 정상성을 띈다 Heteroskedasticity (H) : 이 값이 클수록 정규분포를 띄고 있다. (수치 약간 낮은 편) 잔차 검정 - plot_diagnostics() model.plot_diagnostics(figsize=(16, 8)) plt.show() (해석) Normal Q-Q( 잔차의 정규성 플롯 ) : 빨간선이 데이터와 일치하면 정규분포를 띄고.. [시계열 분석] 주식데이터 주가예측 - 주식흐름( 롤링rolling ), ARIMA 모델, AR(자기상관), MA(이동평균), 정상성/비정상성(차분), ADF 테스트(adfuller), ACF plot/PACF plot, ndiffs/auto_arima 함수 주식데이터 기본 라이브러리 import datetime import matplotlib.pyplot as plt import platform from matplotlib import font_manager, rc """마이너스 기호 및 한글 설정""" ### 마이너스 기호 사용 설정 plt.rcParams["axes.unicode_minus"] = True ### OS별 한글 설정 if platform.system() == "Windows": path = "c:/Windows/Fonts/malgun.ttf" font_name = font_manager.FontProperties(fname=path).get_name() rc("font", family=font_name) ### Mac인 경우 elif pl.. [YOLO] 이미지 증식 테스트 + 사람이미지 증식 및 4차원 독립변수와 종속변수(라벨링) 생성하기 + (응용)비프음 출력 이미지 증식 테스트 ✨ 사용할 라이브러리 """이미지 증식에 사용되는 라이브러리""" from keras.preprocessing.image import ImageDataGenerator """numpy 배열을 이미지로 변환하는 라이브러리""" from keras.preprocessing.image import array_to_img """이미지를 numpy 배열로 변환하는 라이브러리""" from keras.preprocessing.image import img_to_array """이미지 읽어들이는 라이브러리""" from keras.preprocessing.image import load_img """시각화""" import matplotlib.pyplot as plt 이미지 증식 객체 생성하기✨ .. [YOLO] YOLO 카메라 객체탐지 웹캠 신호 받기 ✨ * 웹캠 신호 받기 - 어떤 카메라를 사용할지 채널 선택 - 여러개의 카메라가 있으면, 카메라 별로 번호가 부여됩니다. - 내 PC에 1개만 연결되어 있다면, 0번 카메라 번호가 부여됩니다. 실행 코드✨ 사용할 라이브러리 import cv2 import numpy as np 데이터 읽어들이기 - 웹캠 신호 받기(0번채널) - VideoCapture() : OpenCV라이브러리에서 제공하는 함수 중 하나로, 비디오 캡처(Video Capture) 기능을 사용하여 비디오 파일이나 카메라로부터 프레임을 읽어오는 데 사용 VideoSignal = cv2.VideoCapture(0) VideoSignal Yolo 모델 생성하기 YOLO_net = cv2.dnn.readNet("./yolo/co.. [YOLO] YOLO 설치 및 객체탐지 Image사용 YOLO ✨ YOLO(You Only Look Once) - "욜로"라고 칭합니다. - 한개의 네트워크(계층, 모델 같은 의미로 칭함)에서 객체(물체, 사물)을 탐지 - 탐지된 객체의 영역(바운딩 박스 - 사각형)과 객체의 이름(사람, 고양이...)을 표시해 주는 기능을 수행함 - 객체 탐지 기술이라고 해서 "Object Detection" 이라고 언어 소통이 됩니다. - 객체탐지는 컴퓨터 비전 기술의 세부 분야 중 하나로 주어진 이미지 또는 영상 내에 사용자가 관심있는 객체를 탐지하는 기술을 의미함 - 객체탐지 모델을 만들기에 앞서 → 바운딩 박스를 만드는 것이 우선시 되어야 함 * 바운딩 박스란? → 사각형의 시작 좌표(x1, y1), 종료 좌표(x2, y2)로 표현되는 타겟 위치(객체 위치)를 사각.. [머신러닝 + 딥러닝] 에너지 사용 패턴 확인을 통한 부하 타입 분류 실습해보기 실습 문제 🪄 실습 주제 : 에너지 사용 패턴 확인을 통한 부하 타입 분류하기 * 실습 주제 : 에너지 사용 패턴 확인을 통한 부하 타입 분류하기 * 사용 데이터 : Steel Industry Energy Consumption * 포함 사항 - 전처리(결측, 중복, 이상치 데이터 확인 및 처리(처리할 특성이 있는 경우)) - 상관관계 분석 및 시각화 - 상관관계 검증 - 정규화 및 표준화(Standard, MinMax) 각각 진행 - 머신러닝 분류모델 전체, 다층퍼셉트론에 대한 하이퍼파라메터 튜닝 - 분류 성능평가(평가 방법 모두) - 혼동행렬, 혼동행렬도 시각화 - 정규화 및 표준화 별로 각각 가장 우수한 모델 선정 - 최종 가장 우수한 모델 선정 - 사용할 모델 : 머신러닝 분류모델 전체, 다층퍼셉트.. [딥러닝DL]합성곱신경망(CNN)을 이용한 이미지 분류 합성곱신경망(CNN) 🐸 합성곱신경망(CNN, Convolutional Neural Network) - 이미지 분석에 주로 사용되는 대표적 계층 - 기존의 인공신경망에서의 이미지 분석시에는 높이와 너비를 곱한 1차원을 사용하였다면, - CNN은 원형 그대로의 높이와 너비 차원을 사용함 - 전체 4차원(행, 높이, 너비, 채널)의 데이터를 사용함 - 기존 이미지 분석 시 높이와 너비를 곱하여 사용하다보면, * 원형 그대로의 주변 이미지 공간 정보를 활용하지 못하는 단점이 있으며, * 이러한 이유로 특징 추출을 잘 못하여, 학습이 잘 이루어지지 않는 경우가 발생함 - 이러한 기존 인공신경망 모델의 단점을 보완하여 만들어진 모델이 CNN임 * 원형 형태의 이미지 정보를 그대로 유지한 상태로 학습 가능하도록 만.. 이전 1 2 3 다음
