HTML에서 Python을 사용할 수 있는 PyScript (11)

250x250

관리 메뉴

😎 공부하는 징징알파카는 처음이지?

HTML에서 Python을 사용할 수 있는 PyScript (11) 본문

👩‍💻 백엔드(Back-End)/Node js

HTML에서 Python을 사용할 수 있는 PyScript (11)

징징알파카 2022. 11. 25. 16:56

728x90

<본 블로그는 itadventrue 님의 블로그를 참고해서 공부하며 작성하였습니다 :-)>

https://itadventure.tistory.com/553

파도!(12) - 무신 러닝? 머신러닝! - 리니어 리그레션 ( LinearRegression )

'파도'는 파이스크립트 도전기의 줄임말입니다. 지난 게시글까지는 파이스크립트에서 csv 로 된 데이터를 불러와 그래프로 표현하는 것이 중점적인 내용이었지요. https://itadventure.tistory.com/552 파

itadventure.tistory.com

🎄 파이스크립트에서 머신러닝을 처리

❗ 머신 러닝은 기계(머신:Machine) 학습(러닝:Learning)

파이썬에서 사용할 수 있는 여러 인공지능 관련 기술을 무료 공개 -> 싸이킷-런 라이브러리

<py-env>
  - pandas
  - matplotlib
  - seaborn
  - scikit-learn
 </pv-env>

❗ 리니어 리그레션(Linear Regression)

'선형회귀모델'을 선언

from sklearn.linear_model import LinearRegression
선형회귀모델 = LinearRegression()

❗ 기계 학습 방법

머신러닝이 예측할 결과를 정함
머신러닝이 매출량을 예측하는 것을 목표

데이터를 나누어서 제공

훈련용데이터 : 연도, 월, 일, 주(1년중 몇번째 주인지)
훈련용목표 : 매출량

훈련

선형회귀모델.fit(훈련용데이터, 훈련용목표)

모델의 예측

선형회귀 모델은 다른 주어진 데이터를 바탕으로 결과를 예측

연도, 월, 일, 주 단위의 데이터를 테스트데이터로 제공하면 매출량 결과를 예측

테스트목표예측 = 선형회귀모델.predict(테스트데이터)

그래프로 시각화

🎄 매출량 예측 그래프

❗ 코드 구현

index.html

<html> 
    <head> 
      <link rel="stylesheet" 
        href="https://pyscript.net/alpha/pyscript.css" /> 
      <script defer 
        src="https://pyscript.net/alpha/pyscript.js"></script> 
<py-env>
  - pandas
  - matplotlib
  - seaborn
  - scikit-learn
  - paths :
    - ./common.py
</py-env>
    </head>
  <body> 
    <link rel="stylesheet" href="pytable.css"/>
    <py-script>
    import pandas as pd
    from pyodide.http import open_url
    from common import *
    import numpy as np

    from datetime import datetime

    <!-- 경고 문구 제거 -->
    import warnings
    warnings.filterwarnings( 'ignore' )

    <!-- 판다스에서 csv 를 데이터 프레임으로 읽어옴 -->
    SalesData = pd.read_csv(open_url(
      "http://dreamplan7.cafe24.com/pyscript/csv/avocado.csv"
    ))      

    <!-- # 2개 필드만 추려서 데이터 프레임을 다시 만듬 -->
    SalesData = SalesData[[
      'Date', 
      'Total Volume'
    ]]   

    SalesData.columns = [
      'Day', 
      'Amount'
    ]

    <!-- 주간 매출량 그룹 -->
    WeekdaysSalesData = SalesData.fillna(0) \
      .groupby('Day', as_index=False)[['Amount']] \
      .sum() \
      .sort_values(
        by='Day', 
        ascending=True
      )

    <!-- 날짜(시간값) 추가 -->
    WeekdaysSalesData.insert(1, 'Day(timeValue)',
      '',
      True)
    
    for i in WeekdaysSalesData['Day'].index:
        WeekdaysSalesData['Day(timeValue)'].loc[i]=time.mktime(
            datetime.strptime(
                WeekdaysSalesData['Day'].loc[i], 
                '%Y-%m-%d'
            ).timetuple()
        )

    <!-- 10000으로 나눈 매출량 필드 추가 -->
    WeekdaysSalesData.insert(2, 'Amount(10000)', 
    WeekdaysSalesData['Amount']/10000, 
      True)

    <!-- 훈련학습용으로 날짜를 연도, 월, 일로 나눈다 -->
    WeekdaysSalesData.insert(4, 'year', '', True)
    WeekdaysSalesData.insert(5, 'month', '', True)
    WeekdaysSalesData.insert(6, 'day', '', True)
    WeekdaysSalesData.insert(7, 'week', '', True)

    for i in WeekdaysSalesData['Day'].index:
      temp = str(WeekdaysSalesData['Day'].loc[i]).split('-')
      year = int(temp[0])
      month = int(temp[1])
      day = int(temp[2])
      WeekdaysSalesData['year'].loc[i] = year
      WeekdaysSalesData['month'].loc[i] = month
      WeekdaysSalesData['day'].loc[i] = day
      WeekdaysSalesData['week'].loc[i] = str(
        datetime(year, month, day).isocalendar()[1]
      )

    createElementDiv(
      document, 
      Element, 
      'output2'
    ).write(WeekdaysSalesData)

    WeekdaysSalesDataTrain_numpy = WeekdaysSalesData[['Day(timeValue)', 'year', 'month', 'day', 'week']].to_numpy()
    WeekdaysSalesDataTest_numpy = WeekdaysSalesData['Amount(10000)'].to_numpy()

    from sklearn.model_selection import train_test_split

    X_train, X_test, y_train, y_test = \
      train_test_split(
        WeekdaysSalesDataTrain_numpy, 
        WeekdaysSalesDataTest_numpy,
        random_state=100,
        shuffle=False)

    <!-- 선형 회귀 알고리즘 -->
    <!-- 훈련, 최적의 그래프를 찾아준다 -->
    from sklearn.linear_model import LinearRegression
    lr = LinearRegression()
    lr.fit(X_train, y_train)

    y_train_predict = lr.predict(X_train)
    y_test_predict = lr.predict(X_test)

    import matplotlib.pyplot as plt
    import matplotlib as mat

    <!-- 그래프 -->
    fig = plt.figure(
      figsize=(15, 7)
    )
    plt.xticks(WeekdaysSalesData['Day(timeValue)'].to_numpy(), WeekdaysSalesData[['Day']].to_numpy()[:,0], rotation=90)

    plt.title('Weekdays Avocado SalesAmount')

    plt.plot(        
        X_train[:,0],
        y_train,
        marker='o',
        color='#c14549',
        label='Original'
    )
    plt.plot(        
        X_train[:,0],
        y_train_predict,
        marker='d',
        color='blue',
        label='Train pattern'
    )

    plt.plot(        
        X_test[:, 0],
        y_test,
        marker='o',
        color='#c14549'
    )

    plt.plot(        
        X_test[:, 0],
        y_test_predict,
        marker='d',
        color='green',
        label='Predict pattern'
    )

    plt.xlabel('Day')
    plt.ylabel('Day(timeValue)')

    plt.legend(
      shadow=True
    )

    ax = plt.gca()
    <!-- 축만 그리드 -->
    ax.xaxis.grid(True)

    <!-- 배경색, 마진 조정 -->
    ax.set_facecolor('#e8e7d2')
    ax.margins(x=0.01, y=0.02)

    <!-- 주위 이상한 여백 없애기 -->
    fig.tight_layout() 
    fig

</py-script> 
  </body> 
</html>

common.py

def createElementDiv(document, Element, name):
    element = document.createElement('div')
    element.id = name
    document.body.append(element)
    return Element(name)

나는 한글 안해서

영어로 바꾸느라 힘들어따~~~ ㅋㅋㅋ

728x90

저작자표시

'👩‍💻 백엔드(Back-End) > Node js' 카테고리의 다른 글

HTML에서 Python을 사용할 수 있는 PyScript (13) (1)	2022.11.28
HTML에서 Python을 사용할 수 있는 PyScript (12) (0)	2022.11.28
HTML에서 Python을 사용할 수 있는 PyScript (10) (1)	2022.11.25
HTML에서 Python을 사용할 수 있는 PyScript (9) (1)	2022.11.25
HTML에서 Python을 사용할 수 있는 PyScript (8) (0)	2022.11.25

'👩‍💻 백엔드(Back-End)/Node js' Related Articles

Comments

😎 공부하는 징징알파카는 처음이지?

HTML에서 Python을 사용할 수 있는 PyScript (11) 본문

HTML에서 Python을 사용할 수 있는 PyScript (11)

🎄 파이스크립트에서 머신러닝을 처리

🎄 매출량 예측 그래프

'👩‍💻 백엔드(Back-End) > Node js' 카테고리의 다른 글

티스토리툴바