티스토리

패트릭의 개발노트

검색하기

블로그 홈

패트릭의 개발노트

patrickstar-jjh.tistory.com/m

patrck_jjh 님의 블로그입니다.

구독자: 4

방명록 방문하기

주요 글 목록

문자열 앞에 0채우기(주식 ticker) 보호되어 있는 글입니다. 공감수 0 댓글수 0 2022. 3. 20.
backtrader 오류(FileNotFoundError) 솔루션 단순히 anaconda prompt에서 pip install backtrader로 설치하고 cerebro.run()을 실행했을 때 위과 같은 에러가 계속 발생했다. 이를 해결하고자 구글링해봤을 때 backtrader 패키지 내부의 yahoo.py의 코드를 수정해줘야 한다는 솔루션이 대부분이었다. 출처: https://jonghyunho.github.io/data/analysis/Backtrader-%EB%A5%BC-%EC%9D%B4%EC%9A%A9%ED%95%9C-%ED%8A%B8%EB%A0%88%EC%9D%B4%EB%94%A9-%EC%8B%9C%EB%AE%AC%EB%A0%88%EC%9D%B4%EC%85%98.html 하지만 코드를 수정함과 동시에 패키지 재설치 및 파이썬 버전까지 바꿔가며 실행해봤으나 .. 공감수 0 댓글수 3 2022. 3. 11.
통계 Head First Statistics(Dawn Griffiths) 공감수 0 댓글수 0 2021. 11. 7.
Pandas 개념 Pandas 머신러닝 실습의 대표적인 예제인 타이타닉 데이터를 활용하여 pandas의 활용에 대해 정리하고자 한다. # 데이터 불러오기import pandas as pdtitanic_df = pd.read_csv('./data/train.csv')print('titanic 변수 type:',type(titanic_df))titanic_df 데이터 개요 확인# 데이터 개요 확인titanic_df.head()print('DataFrame 크기: ', titanic_df.shape)titanic_df.info()titanic_df.describe() 범주형 데이터 개수 출력# value_counts: 범주형 데이터의 개수 출력 value_counts = titanic_df['Pclass'].value_.. 공감수 0 댓글수 0 2021. 6. 27.
대표적인 머신러닝 분류성능 평가지표 총정리 머신러닝의 분류성능 평가지표를 공부하며 상당히 헷갈리는 부분이 많았다. 실제 값과 예측 값, 그리고 positive와 negative의 위치가 변하면 TP,TN,FN,FP의 위치도 변하기 때문에 혼동행렬을 보고 바로 성능지표를 계산하기 어려울 때가 생긴다. 또한 다양한 성능지표가 존재하고 분야 별로 그 평가지표의 명칭이 다르기도 해서 용어의 의미가 정리가 잘 되지 않았다. 먼저 머신러닝의 혼동행렬에서 도출되는 대표적인 분류성능 평가지표들의 개념과 그 관계들에 초점을 맞추어 정리해보고자 한다. 그리고 이러한 성능지표들은 통계학에서 배운 가설검정의 개념과 겹치는 부분이 있는데 이를 비교해보며 깊은 이해를 해볼 것이다. 1. 머신러닝의 대표적인 분류성능 평가지표 총정리 1.1 Accuracy(정확도): 실제 .. 공감수 0 댓글수 0 2021. 6. 11.
벨만 방정식(Bellman Equation) 0단계: 재귀적 표현 $v_{\pi}(s_{t})=\mathbb{E}_{\pi}[r_{t+1}+\gamma v_{\pi}(s_{t+1})]$ $q_{\pi}(s_{t},a_{t})=\mathbb{E}_{\pi}[r_{t+1}+\gamma q_{\pi}(s_{t+1},a_{t+1})]$ 1단계: $v_{\pi}$와 $q_{\pi}$를 서로를 이용해 표현 $v_{\pi}(s) = \sum_{a\in A}\pi(a|s)q_{\pi}(s,a)$ $\Leftrightarrow s의 밸류 = \sum_{}(s에서 a를 실행할 확률) * (s에서 a를 실행하는 것의 밸류)$ $q_{\pi}(s,a)=r_{s}^{a}+\gamma \sum_{s'\in S}P_{ss'}^{a}v_{\pi}(s')$ $\Leftright.. 공감수 0 댓글수 0 2021. 6. 7.
Backpropagation(역전파) - 코드로 구해보기 XOR문제를 해결하는 과정에서 역전파의 적용을 코드로 구현해보고자 한다. $x_{1}$ $x_{1}$ output 0 0 0 0 1 1 1 0 1 1 1 0 기본 값 및 함수 설정 import random import numpy as np random.seed(777) # 입력값 및 타겟값 XOR문제 data = [ [[0, 0], [0]], [[0, 1], [1]], [[1, 0], [1]], [[1, 1], [0]] ] # 실행 횟수(iterations), 학습률(lr), 모멘텀 계수(mo) 설정 iterations=5000 lr=0.1 mo=0.4 XOR문제를 나타내는 입력값과 타겟값을 data에 저장하고 역전파 구현을 위한 변수인 실행 횟수, 학습률, 모멘텀 계수를 설정해주었다. # 활성화 함수 .. 공감수 0 댓글수 0 2021. 6. 6.
Backpropagation(역전파) - 은닉층 가중치 업데이트 계산식 도출 2021.05.22 - [AI/DL] - Backpropagation(역전파) - 가중치 업데이트 계산식 도출1 Backpropagation(역전파) - 가중치 업데이트 계산식 도출1 입력값과 은닉층 그리고 출력층에서 주어지는 수는 각각 2개씩이다. 가중치의 합은 $a$로 활성화 함수는 $\sigma$(sigmoid function)로 주어진다. $w_{31}$(출력층의 가중치)의 가중치 업데이트 계산식 도 patrickstar-jjh.tistory.com 이전 글에 이어서 이번에는 은닉층의 가중치를 업데이트 하는 계산식에 대해 알아보고자 한다. $w_{11}$(은닉층의 가중치)의 가중치 업데이트 계산식 산출 기초적인 식인 $w_{11}(t+1)=w_{11}(t)-\frac{\partial error}{.. 공감수 0 댓글수 0 2021. 5. 25.
Backpropagation(역전파) - 출력층 가중치 업데이트 계산식 도출 입력값과 은닉층 그리고 출력층에서 주어지는 수는 각각 2개씩이다. 가중치의 합은 $a$로 활성화 함수는 $\sigma$(sigmoid function)로 주어진다. $w_{31}$(출력층의 가중치)의 가중치 업데이트 계산식 도출 기초적인 식인 $w_{31}(t+1)=w_{31}(t)-\frac{\partial error}{\partial w_{31}}$에서 $\frac{\partial error}{\partial w_{31}}$를 구하고자 한다 여기서 $error=\frac{1}{2}(y_{t1}-y_{1})^{2}+\frac{1}{2}(y_{t2}-y_{2})^{2}$ 이다. (각 출력값의 MSE의 합) 체인룰에 의해 $\frac{\partial error }{\partial w_{31}}=$ $\fr.. 공감수 0 댓글수 0 2021. 5. 22.
강화학습(Reinforced Learning) Monte Carlo 학습 구현 GridWorld 구현 import random import numpy as np class GridWorld(): def __init__(self): self.x=0 self.y=0 def step(self, a): # 0번 액션: 왼쪽, 1번 액션: 위, 2번 액션: 오른쪽, 3번 액션: 아래쪽 if a==0: self.move_left() elif a==1: self.move_up() elif a==2: self.move_right() elif a==3: self.move_down() reward = -1 # 보상은 항상 -1로 고정 done = self.is_done() return (self.x, self.y), reward, done def move_right(self): self.y += 1.. 공감수 0 댓글수 0 2021. 5. 18.
딥러닝 순전파 실습(퍼셉트론 계산과정) 딥러닝에서 가장 기본적인 순전파과정에 대한 실습 입력값 $x_{1}$과 $x_{2}$에 각각 가중치 $w_{1}$과 $w_{2}$를 곱한 값을 활성화함수로 계산하여 0 혹은 1로 y값 도출 import numpy as np # 입력층 -> 은닉층(1층) X = np.array([10, 20]) W1 = np.array([[0.1, 0.3, 0.5], [0.2, 0.4, 0.6]]) # weight 2x3개 B1 = np.array([1, 2, 3]) # bias 3개 def sigmoid(x): # 활성화 함수 return 1 / (1 + np.exp(-x)) A1 = np.dot(X, W1) + B1 Z1 = sigmoid(A1) print('A1 :', A1) # 입력신호 print('Z1 :', Z.. 공감수 0 댓글수 0 2021. 5. 16.
금융 투자 기본 개념(샤프비율, 효율적 투자선) 2021.05.02 - [finanace] - 금융 투자 기본 개념(Return, Risk) 금융 투자 기본 개념(Return, Risk) 금융 투자를 하는데 있어 가장 기초가 되는 개념들이 있다 Return(수익): 개별 자산의 수익률(R_i)을 각 자산의 가중치(x_i)를 곱하여 합하면 포트폴리오 수익률을 구할 수 있다. Risk(위험): 개별 자산 patrickstar-jjh.tistory.com 이전 글에서 설명했던 수익률과 위험에서 더 나아가 샤프비율, 효율적 투자선에 대해 알아보자. 샤프비율(Sharpe Ratio): $\frac{포트폴리오 초과수익 }{포트폴리오 변동성}$ 이다. (쉽게말해 포트폴리오의 $\frac{수익률}{위험}$) 효율적 투자선(Efiicient Frontier): 같은 .. 공감수 0 댓글수 0 2021. 5. 8.
금융 투자 기본 개념(Return, Risk) 금융 투자를 하는데 있어 가장 기초가 되는 개념들이 있다 Return(수익): 개별 자산의 수익률(R_i)을 각 자산의 가중치(x_i)를 곱하여 합하면 포트폴리오 수익률을 구할 수 있다. Risk(위험): 개별 자산 수익률 간의 분산-공분산 행렬을 통해 포트폴리오 분산을 구하고 Risk를 도출할 수 있다. #데이터 불러오기 from pykrx import stock import pandas as pd import numpy as np import matplotlib.pyplot as plt # ticker와 list로 코스피 기업목록 가져오기 def return_name(market): Market = [] for ticker in market: Value =stock.get_market_ticker_n.. 공감수 0 댓글수 0 2021. 5. 2.
마르코프 결정 프로세스(Markov Decision Process) 강화학습(RL)에서 순차적 의사결정 문제 방법론에 대해 설명하는 마르코프 결정 프로세스의 기본 개념들을 정리해보고자 한다. ■마르코프 프로세스(MP) $$MP\equiv(S,P)$$ ■전이확률 : 상태s에서 다음 상태s'에 도착할 확률 $$P_{ss'}$$ ■마르코프 성질: 미래는 오로지 현재에 의해 결정된다 $$\mathbb{P}[s_{t+1}|s_{t}]=\mathbb{P}[s_{t+1}|s_{1},s_{2},...,s_{t}]$$ ■마르코프 리워드 프로세스(MRP) : MP에 보상 개념 추가 R: 보상함수, G:리턴, γ: 감쇠 인자 $$MRP\equiv(S,P,R,\gamma)$$ $$R=\mathbb{E}[R_{t}|S_{t}=s]$$ $$G_{t}=R_{t+1}+\gamma R_{t+2}+\g.. 공감수 0 댓글수 0 2021. 4. 23.
yfinance를 활용한 코스피와 S&P500지수 비교 한국의 대표 주가지수인 KOSPI와 미국의 대표 주가지수인 S&P500 지수 데이터를 불러와서 비교해보자 yfinance모듈을 활용해서 데이터를 불러오자. 기간은 2011년 4월 18일부터 현재까지 약 10년 동안의 데이터를 불러왔다. 기준은 종가(Close)이다. from pandas_datareader import data as pdr import yfinance as yf yf.pdr_override() sp = pdr.get_data_yahoo('^GSPC', '2011-04-18') kospi = pdr.get_data_yahoo('^KS11', '2011-04-18') import pandas as pd df = pd.DataFrame({'SP500':sp['Close'], 'KOSPI':ko.. 공감수 0 댓글수 0 2021. 4. 16.
yfinance를 활용한 주식 데이터 불러오기 보호되어 있는 글입니다. 공감수 0 댓글수 0 2021. 4. 11.

문의안내

티스토리
로그인
고객센터

티스토리는 카카오에서 사랑을 담아 만듭니다.