모델 구축
-
머신 러닝으로 금 시세를 예측해 보자 feat. LSTM모델 구축 2020. 4. 13. 14:44
1. LSTM에 대한 간략한 설명 2. 데이터 전처리 3. 모델 구축 4. 모델 평가 1. LSTM에 대한 간략한 설명 LSTM은 뉴럴 네트워크의 한 종류로 기존의 음성, 글 등과 같이 순차적인 데이터(Sequence)를 다루기 위한 RNN 알고리즘을 바탕으로 하고 있다. 하지만 RNN는 Sequence의 길이가 길어지면, 다소 떨어진 데이터의 정보가 사라진다는 단점이 있다. 이를 보완하기 위해 나온 알고리즘이 LSTM이다. 딥러닝을 기반으로 하고 있어 앞서 설명한 ARIMA나 prophet 보다 복잡한 패턴을 찾아내는 것이 가능하다. 자세한 설명은 훌룡한 설명을 하고 있는 많은 사이트들이 있기 때문에 그 링크를 남긴다. https://brunch.co.kr/@chris-song/9 LSTM(RNN) 소..
-
머신 러닝으로 금 시세를 예측 해보자 feat. Prophet모델 구축 2020. 4. 1. 10:56
1. Prophet에 대한 간단한 설명 2. Prophet 모델 구축 3. Prophet 파라미터 조정 1. Prophet에 대한 간단한 설명 Prophet은 Facebook에서 만든 시계열 예측 package이다. 장점은 간단하고, 성능이 좋다는 점이다! ARIMA와 같이 데이터의 정상성을 확보할 필요도 없으며, 파라미터가 직관적이라 튜닝이 편리하다. 또한 자동으로 변경 포인트를 찾아 fitting을 하기 때문에 주기가 일정하지 않은 데이터에 대해서도 예측이 가능하다. https://facebook.github.io/prophet/ Prophet Prophet is a forecasting procedure implemented in R and Python. It is fast and provides ..
-
머신 러닝으로 금 시세를 예측 해보자 feat. ARIMA모델 구축 2020. 3. 31. 10:34
0 - 1. 시계열 데이터란 무엇인가? 0 -2. Time series model 이란 무엇인가? 1. ARIMA에 대한 간단한 설명 2. 금 값 데이터의 분석 3. ARIMA모델의 구축 4. 모델의 평가 5. 모델의 활용 0-1. 시계열 데이터란 무엇인가? 시계열 데이터는 일정한 시간 간격으로 출력된 데이터이다. 우리가 돈을 벌기 위해 관심을 가지는 주식, 유가, 채권 금리, 집 값 등 모든 것이 시계열 데이터이다. 시계열 데이터는 추세-주기, 계절성, 잔차의 합 혹은 곱으로 볼 수가 있다. 추세(trend)는 장기적으로 증가 혹은 감소를 설명하는 부분이며, 계절성(seasonality)은 특정 기간(일별, 분기별, 10년 별 등) 마다 나타나는 패턴을 설명하는 부분이다. 주기(cycle)는 계절성과 ..