DATA

[시계열] Time Series Regression - Part 2

본 강의노트는 김성범 교수님의 Time Series Regression - Part2를 바탕으로 작성했음을 밝힙니다. Review - 시계열 데이터 구성요소 위의 그림을 보면, Trend, Seasonal variations, Random fluctuation이 나타남을 볼 수 있다. Time Series Analysis 시계열 회귀분석 지수 평활법 박스-젠킨스 시계열 분석법 다양한 머신러닝 방법(Hidden Markov, DNN ...) Time Series Regression Models(시계열 회귀분석) t 시점에서의 종속변수(주로 y)에 대한 독립변수(주로 x)의 선형결합 $y_t = TR_t + ε_t$ $y_t$ = the value of time series $TR_t$ = the trend..

[시계열] Time Series Regression - Part 1

본 강의노트는 김성범 교수님의 유투브 강의를 바탕으로 작성했음을 밝힙니다. 강의 링크: youtu.be/7Do_hixXCpc 시계열 데이터 시간의 흐름에 따라 순서대로 관측되어 시간의 영향을 받게 되는 데이터 e.g. 일, 달, 분기(Quarterly), 년 시계열 데이터 예시 0:50 ~ 7:25 시계열 데이터 구성요소 "영어로 알자" Trend(추세변동) e.g. 올라가거나, 내려가는 모양 Cycle(순환변동) e.g. 올라갔다 내려온 한 주기 Seasonal variations(계절변동): Cycle의 일부분, 계절에 따라 Cycle이 형성된 것 Random fluctuation(우연변동) Trends 시간이 경과함에 따라 관측값이 지속적으로 증가(upward) 혹은 감소(downward)하는 Tr..

[Scikit-learn]Linear Regression(선형 회귀)

회귀 모델 실습 1. 사용 라이브러리 불러오기 # 사용 라이브러리 import numpy as np import matplotlib.pyplot as plt 2. 고정된 출력 확인 하기 위한 Random Seed 고정 import os, random # random seed 고정 def set_seeds(seed): os.environ['PYTHONHASHSEED'] = str(seed) random.seed(seed) np.random.seed(seed) # tf.random.set_seed(seed) # Tensorflow 사용시 SEED = 555 set_seeds(SEED) 3. 특성 행렬과 타겟 벡터 생성 r = np.random.RandomState(10) x = 10 * r.rand(100)..

딥러닝과 신경망

들어가기 전에.. 상하위 개념으로서는 인공지능 - 머신러닝 - 딥러닝으로 인공지능이 상위 개념에 속한다. 인공지능은 인간 수준 이상, 머신러닝은 답과 샘플로 규칙을 찾는 것, 딥러닝은 머신러닝의 한 기법으로서 신경망을 활용하는 머신러닝 방식이라고 알고 있었다. Deep Learning 강의노트: wendys.tistory.com/136 인공지능은 기존 시스템의 개발자가 특정 규칙을 설정하고 입력에 대한 출력을 정의하는 방식과는 다르게 자체 규칙 시스템을 가지고 있다. 머신러닝이란 제공된 데이터와 알고리즘을 통해 컴퓨터가 스스로 학습해 작업 수행 방법을 익히는 것을 의미한다. 딥러닝은 병렬 연산화가 최적화된 GPU의 등장으로 복잡한 연산과정이 가능해지면서 뇌의 뉴런과 유사한 정보 입출력 계층을 활용해 데이..

텍스트 다루기

공부하기 전에.. 하루하루 강의 컨텐츠를 접하기 때문에 가끔 Fundamental을 수행할 때 내가 어느 지점에 와있는지 궁금해질때가 있다. 이건 왜 배우지?라는 생각을 먼저 하는 편인데 이번 노드에서도 여러 부분들 중에 왜 텍스트를 다루는 법에 대해 배울까? 라고 궁금한 분이 있을거 같다. 아닌가..?! 텍스트 데이터를 다루는 법을 지금 초반에 배우는 이유는 AI든 데이터분석이든 데이터 전처리 단계에서나 분석 과정에서 텍스트와 파일 다루기는 필수적이기 때문이다. 예를 들어 컴퓨터로 이미지 파일을 여러개 읽어올 때도 'a.jpg', 'b.jpg' 라는 파일을 한번에 불러와야하는 상황이 있다. 이때 당연히 윈도우에서 파일탐색기처럼 한번에 불러오면 정말 좋겠지만 코드를 짤 때는 그런 GUI는 없다..! 그럼..

[CS231n] Lecture 5 | Convolutional Neural Networks

해당 강의노트는 Stanford University CS231n Spring 2017 강의를 기반으로 작성했음을 밝힙니다

[Tensorflow]mnist - 성능 확인하기 및 개선하기

tf 버전: 2.2.0 1. Test test_loss, test_accuracy = model.evaluate(x_test_reshaped,y_test, verbose=2) print("test_loss: {} ".format(test_loss)) print("test_accuracy: {}".format(test_accuracy)) predicted_result = model.predict(x_test_reshaped) # model이 추론한 확률값. predicted_labels = np.argmax(predicted_result, axis=1) idx=0 #1번째 x_test를 살펴보자. print('model.predict() 결과 : ', predicted_result[idx]) print('..

[Tensorflow]mnist - Network 설계하기 및 학습시키기

1. MNIST 딥러닝 네트워크 쌓기 model=keras.models.Sequential() model.add(keras.layers.Conv2D(16, (3,3), activation='relu', input_shape=(28,28,1))) model.add(keras.layers.MaxPool2D(2,2)) model.add(keras.layers.Conv2D(32, (3,3), activation='relu')) model.add(keras.layers.MaxPooling2D((2,2))) model.add(keras.layers.Flatten()) model.add(keras.layers.Dense(32, activation='relu')) model.add(keras.layers.Dense(1..