본문 바로가기

전체 글54

[PyTorch] - Intermediate Deep Learning with PyTorch - Sequences & Recurrent Neural Networks Sequences & Recurrent Neural Networks import numpy as np def create_sequences(df, seq_length): xs, ys = [], [] # Iterate over data indices for i in range(len(df) - seq_length): # Define inputs x = df.iloc[i:(i+seq_length), 1] # Define target y = df.iloc[i+seq_length, 1] xs.append(x) ys.append(y) return np.array(xs), np.array(ys) for문의 range : len(df) - seq_length까지만 진행되므로 반드시 seq_length 이상의 길이는 .. 2024. 4. 20.
[PyTorch] - Intermediate Deep Learning with PyTorch - Images & Convolutional Neural Networks Images & Convolutional Neural Networks Data Augmentation image data는 다른 데이터들에 비해서 개수가 부족한데, 인위적으로 flip, rotate 등을 통해 augmentataion을 줄 수 있다. CNN(Convolutional Neural Network) 요런 필터가 이미지를 돌아다니면서 픽셀별로 정보를 수집함 입력의 공간 패턴을 보존하고, nn.Linear()보다 적은 parameter을 사용함 합성곱(Convolution)의 과정 : input patch와 Filter을 element-wise dot product를 해서 sum Padding 추가를 통해 공간 차원 보존, 테두리 영역 보존 등의 역할 수행. nn.Conv2d()에 paramete.. 2024. 4. 20.
[PyTorch] - Intermediate Deep Learning with PyTorch(240419, 공부기록 9일차) datacamp에 좋은 강의가 많아서 파이토치 좀 본격적으로 배워보고 싶어 수강했다. 쏟은 시간으로는 5~6시간 정도 걸린 것 같다. 강의가 길진 않은데, 약간의 테스트랑 코드 파악하는데 시간을 좀 썼다. 정리하면서 까먹은 내용 다시 복기하고자 한다 Training Robust Neural Networks Dataset과 Dataloader class WaterDataset(Dataset): def __init__(self, csv_path): super().__init__() # Load data to pandas DataFrame df = pd.read_csv(csv_path) # Convert data to a NumPy array and assign to self.data self.data = d.. 2024. 4. 20.
[Stock Forecasting] - Backtesting.py (공부기록 8일차, 240418) 지난번에 올린 LSTM 기반 AMZN, GOOGL 에 Backtesting을 적용해 보고자 했다. 우선 backtesting이 뭔지부터 알아보자 Backtesting 투자에 있어 모델이나 전략을 수립하고, 이것이 fit하는지 확인하기 위해 과거 데이터에 대입해 봄. 원하는 수준의 metric을 얻으면 모델/전략을 잘 수립한 것! 과거 가격을 이용해 투자 전략을 시뮬레이션해서 결과와 위험 분석하는것이다. 그렇다면 backtesting library를 실습해 보자 import yfinance as yf import ta import pandas as pd from backtesting import Backtest, Strategy from backtesting.lib import crossover 필요한 라.. 2024. 4. 19.
[경제금융용어 700선] - 12개(240418) 1. 거시건전성 정책(macroprudential policy) 경제전체의 금융안정을 위해 system risk를 억제하는 정책 목적 system risk에 대한 선제적 대응 과도한 금융불균형 축적 억제 급격한 되돌림 현상(unwinding) 완화 금융시스템의 복원력 강화 금융연계성 제어 → 금융위기의 발생가능성, 실물경제에 미치는 부정적인 영향(spillover effects)을 최소화 2.경동향지수(경기확산지수, diffusion index) 경기의 변화방향 파악(변동 진폭, 속도 등은 측정 안 함) → 경기의 국면, 전환점을 식별하는 지표 경기변동이 경제의 특정 부문으로부터 전체 경제로 확산, 파급되는 과정을 경제부문을 대표하는 각 지표들을 통하여 파악하기 위한 지표 but 각 경제부문간의 상관관계.. 2024. 4. 18.
GOOGLE Stock Forecasting using LSTM[1] (공부기록7일차, 240417) 저번에 올린 AMZN Stock Forecasting과 코드는 똑같다 csv 데이터만 구글걸로 바꾸었다고 보면 된다 그치만 이번에는 70%이상의 코드는 스스로 짜려고 머리썼고, 나머지 부분은 참고했다. 내일은 이 코드를 변형해서, 종가많이 아닌 시작가격도 포함해서 예측을 해 볼 예정이다 아래는 코랩 링크이다. https://colab.research.google.com/drive/1eyr_3I-_OvCdcQKDflzS9zlt2XFeZIxA?usp=sharing Google Stock Forecasting.ipynb Colab notebook colab.research.google.com 데이터 개수가 아마존에 비해 1/6배 정도 되는데, 확실히 그거에 비해선 예측이 구리다 2024. 4. 17.

티스토리툴바