๋ชฉ๋ก๐Ÿ‘ฉ‍๐Ÿ’ป ์ธ๊ณต์ง€๋Šฅ (ML & DL) (100)

๐Ÿ˜Ž ๊ณต๋ถ€ํ•˜๋Š” ์ง•์ง•์•ŒํŒŒ์นด๋Š” ์ฒ˜์Œ์ด์ง€?

2. NLTK๋กœ ๋ฌธ์„œ ๊ฐ„ ์œ ์‚ฌ๋„ ์ธก์ •ํ•˜๊ธฐ “์ด ์†Œ์„ค์˜ ์›์ž‘์ž๋Š” ๋ˆ„๊ตฌ์ผ๊นŒ”

221017 ์ž‘์„ฑ https://www.onlybook.co.kr/m/entry/python-projects ์‹ค์ „ ํŒŒ์ด์ฌ ํ•ธ์ฆˆ์˜จ ํ”„๋กœ์ ํŠธ ์‹ค์ „ ํŒŒ์ด์ฌ ํ•ธ์ฆˆ์˜จ ํ”„๋กœ์ ํŠธ ๋ฌธ์ œ ํ•ด๊ฒฐ๊ณผ ์‹ค๋ฌด ์‘์šฉ๋ ฅ์„ ํ‚ค์šฐ๊ธฐ ์œ„ํ•œ ๋‚˜๋งŒ์˜ ํŒŒ์ด์ฌ ํฌํŠธํด๋ฆฌ์˜ค ๋งŒ๋“ค๊ธฐ ๋ฆฌ ๋ณธ ์ง€์Œ | ์˜คํ˜„์„ ์˜ฎ๊น€ 420์ชฝ | 28,000์› | 2022๋…„ 5์›” 31์ผ ์ถœ๊ฐ„ | 185*240*20 | ISBN13 9791189909406 www.onlybook.co.kr https://github.com/rlvaugh/Real_World_Python ๐Ÿ’• NLTK : Natural Language ToolKit์˜ ์•ฝ์ž๋กœ ์ž์—ฐ์–ด ์ฒ˜๋ฆฌ ๋ฐ ๋ถ„์„์„ ์œ„ํ•œ ํŒŒ์ด์ฌ ํŒจํ‚ค์ง€ : ํ† ํฐ์ƒ์„ฑํ•˜๊ธฐ, ํ˜•ํƒœ์†Œ ๋ถ„์„, ํ’ˆ์‚ฌ ํƒœ๊น…ํ•˜๊ธฐ ๋“ฑ ๋‹ค์–‘ํ•œ ๊ธฐ๋Šฅ์„ ์ œ๊ณต ๐Ÿ’• NLTK๋กœ ๋ฌธ์„œ ๊ฐ„ ์œ ..

์‹œ๊ณ„์—ด ๋ฐ์ดํ„ฐ ๋ถ„ํ•ด (์ •์ , ๋น„์ •์  ๋ฐ์ดํ„ฐ)

221006 ์ž‘์„ฑ https://www.slideshare.net/TIMEGATE07/ss-107535554?qid=8c8308a7-93db-4a99-ba96-2dfa84bfaf2c&v=&b=&from_search=10 ์‹œ๊ณ„์—ด๋ถ„์„์˜ ์ดํ•ด ์ฃผ๊ฐ€, ํŒ๋งค๋Ÿ‰, ์‚ฌ์šฉ๋Ÿ‰ ๋“ฑ ์‹œ๊ฐ„์— ๋”ฐ๋ฅธ ๋ณ€ํ™”๊ฐ€ ์žˆ๋Š” ๋ฐ์ดํ„ฐ์˜ ์ถ”์„ธ, ์ •๊ทœ์„ฑ, ๋‚˜๋จธ์ง€์˜ ๊ฐœ๋…์„ ์ •๋ฆฌํ–ˆ์Šต๋‹ˆ๋‹ค. ๊ทธ๋ฆฌ๊ณ , ์ด๋ฅผ ํ™œ์šฉํ•œ ์˜ˆ์ธก๊ณผ ์ด์ƒ์น˜ ๊ฐ์ง€ ๋ฐฉ๋ฒ•์„ ์†Œ๊ฐœํ•ฉ๋‹ˆ๋‹ค. www.slideshare.net ๐Ÿ‡ ์‹œ๊ณ„์—ด ๋ฐ์ดํ„ฐ ๋ถ„ํ•ด ๐ŸŸฃ ์ถ”์„ธ (trend) ๋ถ„ํ•ด - Lowess/Loess ํšŒ๊ท€ : ํŠน์ • ๋ฒ”์œ„์— ์ ๋‹นํ•œ ๋‹คํ•ญ ํšŒ๊ท€์„ ๋“ค์„ ๊ตฌํ•˜์—ฌ ๋ณ‘ํ•ฉ : ๋‹ค์†Œ ํˆฌ๋ฐ•ํ•œ ์ถ”์„ธ์„  : ํšŒ๊ท€๋ฒ”์œ„์— ๋”ฐ๋ผ ๋‹ฌ๋ผ์ง - ์ด๋™ ํ‰๊ท  : ํŠน์ • ๊ธฐ๊ฐ„ ๋™์•ˆ์˜ ๊ฐ’์˜ ํ‰๊ท  ๋ณ€ํ™” : ๋ถ€๋“œ๋Ÿฌ์šด ์ถ”์„ธ์— ์ ์šฉ ๊ฐ€๋Šฅ : ..

Time series ์‹œ๊ณ„์—ด ๋ฐ์ดํ„ฐ ๋ถ„๋ฅ˜ํ•˜๊ธฐ

221006 ์ž‘์„ฑ https://www.slideshare.net/hunkim/time-series-classification Time series classification Time Series Classification By Data Mutation ์•ˆ๋ช…ํ˜ธ www.deepnumbers.com www.slideshare.net ๐ŸŽƒ ์‹œ๊ณ„์—ด : ์ผ์ • ์‹œ๊ฐ„ ๊ฐ„๊ฒฉ์œผ๋กœ ๋ฐฐ์น˜๋œ ๋ฐ์ดํ„ฐ๋“ค์˜ ์ˆ˜์—ด : ์ฃผ์–ด์ง„ ์‹œ๊ณ„์—ด์„ ๋ณด๊ณ  ์ˆ˜ํ•™์ ์ธ ๋ชจ๋ธ์„ ๋งŒ๋“ค์–ด์„œ ๋ฏธ๋ž˜์— ์ผ์–ด๋‚  ๊ฒƒ๋“ค์„ ์˜ˆ์ธกํ•˜๋Š” ๊ฒƒ ๐ŸŽƒ ์‹œ๊ณ„์—ด ๋ฐ์ดํ„ฐ ๋ฌธ์ œ์  : ํŒจํ„ด๋“ค์ด ๋ชจ๋‘ ๋™์ผํ•œ ์‹œ๊ฐ„๊ฐ„๊ฒฉ๋‚ด์— ์กด์žฌํ•˜์ง€ ์•Š๊ณ  ์„œ๋กœ ๋‹ค๋ฅธ ์‹œ๊ฐ„ ๊ฐ„๊ฒฉ๋‚ด์— ์กด์žฌ : ๋ถˆ๊ทœ์น™์ ์ธ ๋…ธ์ด์ฆˆ : ์ธก์ •์‹œ์ ์—์„œ์˜ ์ƒํ™ฉ ๋ณ€ํ™”๋ฅด ์ธํ•ด ๋…ธ์ด์ฆˆ ๋ฐœ์ƒ ๐ŸŽƒ ์›๋ณธ ๋ฐ์ดํ„ฐ ํŠน์„ฑ ์œ ์ง€ํ•˜๋ฉด์„œ scale ๊ณผ noise์— ๊ฐ•์ธ..

[๊ต๊ณผ์„œ ๋ฆฌ๋ทฐ] Forecasting: Principles and Practice

221005 ์ž‘์„ฑ https://otexts.com/fppkr/ Forecasting: Principles and Practice 2nd edition otexts.com ๐ŸŸฃ ์‹œ๊ณ„์—ด ์˜ˆ์ธก IBM ์ผ๋ณ„ ์ฃผ๊ฐ€ ์›”๋ณ„ ๊ฐ•์šฐ๋Ÿ‰ Amazon์˜ ๋ถ„๊ธฐ๋ณ„ ํŒ๋งค ๊ฒฐ๊ณผ Google์˜ ์—ฐ๊ฐ„ ์ˆ˜์ต ๐ŸŸฃ ์˜ˆ์ธก ๋ณ€์ˆ˜์™€ ์‹œ๊ณ„์—ด ์˜ˆ์ธก ์˜ˆ์ธก ๋ณ€์ˆ˜(predictor variable) : ์˜ˆ์ธกํ•˜๋ ค๋Š” ๋ณ€์ˆ˜์˜ ๊ณผ๊ฑฐ ๊ฐ’๋งŒ ๋‹ค๋ฃจ์ง€ ์•Š๊ณ  ๋‹ค๋ฅธ ๋ณ€์ˆ˜์— ๊ด€ํ•œ ์ •๋ณด๋„ ํฌํ•จ ์‹œ๊ณ„์—ด ๋ชจ๋ธ์„ ์„ ํƒ ์ด์œ  : ์‹œ์Šคํ…œ์„ ์ž˜ ์ดํ•ดํ•˜์ง€ ๋ชปํ•˜๊ฑฐ๋‚˜, ์ดํ•ดํ•˜๋”๋ผ๋„ ๋ณ€์ˆ˜์˜ ํ–‰๋™์— ์˜ํ–ฅ์„ ์ฃผ๋Š” ๊ด€๊ณ„๋ฅผ ์ธก์ •ํ•˜๊ธฐ๊ฐ€ ์•„์ฃผ ์–ด๋ ค์šด ๊ฒฝ์šฐ : ๋‹ค์Œ, ๊ด€์‹ฌ ์žˆ๋Š” ๋ณ€์ˆ˜๋ฅผ ์˜ˆ์ธกํ•  ์ˆ˜ ์žˆ์œผ๋ ค๋ฉด ๋‹ค์–‘ํ•œ ์˜ˆ์ธก ๋ณ€์ˆ˜์˜ ๋ฏธ๋ž˜๊ฐ’์„ ์•Œ ํ•„์š”๊ฐ€ ์žˆ๊ฑฐ๋‚˜ ์˜ˆ์ธกํ•  ํ•„์š”๊ฐ€ ์žˆ๋Š” ๊ฒฝ์šฐ : ์ฃผ๋œ ๊ด€์‹ฌ์ด ์™œ ์ผ์–ด๋‚˜๋Š”์ง€๊ฐ€..

๋‹ค๋ณ€๋Ÿ‰ ์‹œ๊ณ„์—ด ๋ฐ์ดํ„ฐ 2 (Multivariate Time Series Data)

220930 ์ž‘์„ฑ https://ysyblog.tistory.com/298 [์‹œ๊ณ„์—ด๋ถ„์„] ๋‹ค๋ณ€๋Ÿ‰ ์„ ํ˜• ํ™•๋ฅ ๊ณผ์ • - VAR & IRP (๋ฐฑํ„ฐ์ž๊ธฐํšŒ๊ท€๊ณผ์ •, ์ž„ํŽ„์Šค์‘๋‹ตํ•จ์ˆ˜) ๋‹ค๋ณ€๋Ÿ‰ ์„ ํ˜• ํ™•๋ฅ ๊ณผ์ • ํ•„์š”์„ฑ ๋‹จ๋ณ€๋Ÿ‰ ์‹œ๊ณ„์—ด(Simple/Multipleํฌํ•จ)์€ ์ข…์†๋ณ€์ˆ˜(Y_t)๊ฐ€ ๋…๋ฆฝ๋ณ€์ˆ˜๋“ค์—๋งŒ! ์˜ํ–ฅ์„ ๋ฐ›๋Š”๋‹ค๋Š” ํฐ ๊ฐ€์ • ์กด์žฌ ํ˜„์‹ค์ ์œผ๋ก  ์ข…์†๋ณ€์ˆ˜์™€ ๋…๋ฆฝ๋ณ€์ˆ˜๋Š” ์ƒํ˜ธ ์˜ํ–ฅ์„ ์ฃผ๊ณ ๋ฐ›์Œ ์˜ˆ์‹œ: ysyblog.tistory.com 1๏ธโƒฃ ๋‹ค๋ณ€๋Ÿ‰ ์‹œ๊ณ„์—ด ์ข…์†๋ณ€์ˆ˜(Y_t)๊ฐ€ ๋…๋ฆฝ๋ณ€์ˆ˜๋“ค์—๋งŒ ์˜ํ–ฅ ๋ฐ›์Œ 2์ฐจ์›(์†Œ๋“, ์ง€์ถœ : ์ข…์†๋ณ€์ˆ˜) ๊ณผ๊ฑฐ 1์‹œ์ ๊ฐ€์ง€๋งŒ์„ ๊ณ ๋ คํ•˜๋Š” ๋ฒกํ„ฐ์ž๊ธฐํšŒ๊ท€ ์•Œ๊ณ ๋ฆฌ์ฆ˜ ๐Ÿ’— ๋ฒกํ„ฐ์ž๊ธฐํšŒ๊ท€ ๋ชจํ˜• 1) VAR ์•Œ๊ณ ๋ฆฌ์ฆ˜ ํ‰๊ท  ๋ฒกํ„ฐ์™€ ๊ณต๋ถ„์‚ฐ ๋ฒกํ„ฐ๊ฐ€ ์‹œ์ฐจ์—๋งŒ ์˜์กดํ•˜๊ณ  ๊ฐ๊ฐ์˜ ์ ˆ๋Œ€์œ„์น˜์— ๋…๋ฆฝ์ ์ธ ์ •์ƒ์„ฑ ์‹œ๊ณ„์—ด 2) ์ž„ํŽ„์Šค ์‘๋‹ต ํ•จ์ˆ˜ ..