AI/AI 부트캠프77 [AI 부트캠프] DAY 80 - 딥러닝 프로젝트 5 [오늘의 일지] 딥러닝 프로젝트 - 딥러닝 모델 선정 [상세 내용] 딥러닝 모델 선정 DNN - 이제 어느 정도 피처에 대한 분석을 마무리하고 학습시킬 모델을 선정했습니다. 우선 가장 기본적인 모델인 DNN을 사용하기로 했습니다. DNN은 MLP의 확장된 형식으로서 히든 레이어가 더 많은 모델이라고 보시면 됩니다. class NeuralNetwork(nn.Module): def __init__(self): super().__init__() self.relu_stack = nn.Sequential( nn.Linear(len(x_cols), layers[0]), nn.ReLU() ) for i in range(len(layers)-1): self.relu_stack.append(nn.Dropout(0.25).. 2023. 11. 14. [AI 부트캠프] DAY 79 - 딥러닝 프로젝트 4 [오늘의 일지] 딥러닝 프로젝트 - 피처 자세히 분석 [상세 내용] 피처 자세히 분석 WAP(Weighted Average Price) 다른 피처와의 관계 - 우선 주식에서는 WAP보다 VWAP로 더 잘 알려져 있습니다. VWAP은 "Volume Weighted Average Price"의 약자로, 주식 및 다른 금융 자산의 평균 가격을 계산하는 데 사용되는 지수입니다. 이것은 거래량을 고려하여 가격을 가중 평균하는 방법으로, 특히 일정 기간 동안의 평균 가격을 측정하는 데 유용합니다. VWAP은 거래량이 가격에 미치는 영향을 반영하여 시장 참여자들이 지정한 기간 동안 평균적으로 어떤 가격에 거래되었는지를 나타냅니다. 주로 일일 차트에서 사용되지만, 다른 기간에 대한 VWAP도 계산할 수 있습니다. - .. 2023. 11. 11. [AI 부트캠프] DAY 78 - 딥러닝 프로젝트 3 [오늘의 일지] 딥러닝 프로젝트 - EDA와 가벼운 학습 [상세 내용] EDA 주기성 파악 - 어제에 이어서 데이터의 특징을 알아보았습니다. 특정 종목을 기준으로 하루가 지나면 그다음 날이 되었을 때 target값이 초기화되는 것으로 보아서 역시 시계열로 접근하기에는 큰 어려움이 있을 거라는 결론을 내렸습니다. 아래의 그래프를 보면 갑자기 0 값으로 내려가는 부분이 다음날이 되었을 때를 나타냅니다. 대신 이러한 특징이 전체적인 그래프로 보았을 때는 주기성을 띄기 때문에 특정하게 예측하는 구간에서는 더 잘 예측할 수 있으므로 중요하다고 판단했습니다. 가벼운 학습 - 기존에 제가 사용하던 tensorflow 코드를 활용해서 어떠한 Feature Engineering도 거치지 않고 학습을 돌려 보았습니다. 평.. 2023. 11. 10. [AI 부트캠프] DAY 77 - 딥러닝 프로젝트 2 [오늘의 일지] 딥러닝 프로젝트 - EDA와 Feature Engineering [상세 내용] EDA 데이터 파악 - 일단 데이터에 존재하는 주식의 종목의 수를 알아보았습니다. 그리고 하나의 주식에 대한 정보를 파악해 보았습니다. 주식의 종목의 수는 stock_id라는 피처를 중복을 제외시킨 뒤에 개수를 파악해 보니 총 200개의 종목이 있었습니다. 그리고 선택한 하나의 종목에서 시간을 반복해서 나타내는 피처인 seconds_in_bucket의 0초일 때를 파악해서 총 481일의 데이터 자료라는 것도 파악을 했습니다. 그리고 seconds_in_bucket이 주식시장의 마감 10분 전의 10초 단위의 데이터라는 것을 통해서 총 9분을 540초로 바꾸고 10초 단위씩 55단계의 상황을 보여주는 자료라는 것.. 2023. 11. 9. 이전 1 ··· 10 11 12 13 14 15 16 ··· 20 다음 반응형
