반응형 머신러닝 with Python44 [머신러닝 with Python] Ruptures 라이브러리를 활용한 시계열 변화점 탐 이번에는 Ruptures라는 라이브러리를 활용해서 시계열 데이터에 대한 변화점을 탐지해보겠습니다. 1. Ruptures 라이브러리Ruptures는 시계열 데이터의 변화점 탐지(change point detection)를 위한 파이썬 라이브러리입니다. 통계적 특징이 바뀌는 시점을 자동으로 찾아내는 데에 특화되어 있으며, 다음과 같은 특징을 가지고 있습니다. 항목설명목적시계열에서 평균, 분산, 추세 등의 급격한 변화 시점(change points) 탐지알고리즘PELT, Binary Segmentation, Window-based Search 등 다양한 탐지 알고리즘 제공비용 함수l1 및 l2 (평균 변화), rbf(복합 변화) linear(추세 변화) 등 다양한 cost model 지원시각화탐지된 변화점을 .. 2025. 6. 7. [머신러닝 with Python]STL 분해와 Z-Score를 활용한 시계열 이상탐지(구글 Colab 활용) 📌 STL + Z-Score란?STL(Seasonal-Trend decomposition using Loess)은 시계열을 Trend + Seasonality + Residual로 나누는 기법입니다. 잔차(residual)에 대해 Z-score를 적용하면 통계적으로 이상치로 판단되는 구간을 쉽게 식별할 수 있습니다.🗂 실습 개요데이터: NYC 택시 탑승량 시계열 (2014)주요 기법: STL 분해 + Z-score 기반 이상치 탐지시각화: Matplotlib으로 이상구간 표시 1. 실습 1) 필요한 라이브러리 설치 먼저, 기본적으로 필요한 라이브러리 들은 아래와 같습니다. pandas statsmodels matplotlib seaborn 코랩은 위 라이브러리들을 기본적으로 설치된 상태이기에 따로 .. 2025. 6. 6. [머신러닝 with Python] UMAP과 t-SNE 비교 (차원 축소 비교 및 구현) 고차원 데이터를 시각화하고 이해하는 것은 머신러닝 및 데이터 분석에서 중요한 일입니다. 선형 차원 축소 기법인 PCA는 굉장히 유명하지만, 데이터의 복잡한 비선형을 선형으로 가정하여 축소한다는 점에서 정보의 손실이 많은데요.[머신러닝 with 파이썬] PCA / 주성분 분석 / 차원축소 /iris 데이터 활용 [머신러닝 with 파이썬] PCA / 주성분 분석 / 차원축소 /iris 데이터 활용이번에 알아볼 것은 차원축소 알고리즘의 대표적인 PCA(주성분 분석)에 대해서 알아보겠습니다. Tabular type의 데이터에서 차원을 축소한다는 것은 곧, 변수의 개수(또는 피처의 개수)를 줄인다jaylala.tistory.com 대표적인 비선형 차원 축소 기법으로는 UMAP(Unifor Manifold A.. 2025. 3. 11. [머신러닝 with Python] Darts 라이브러리로 SCHD 주가 예측모델 만들기 Python으로 주식 데이터를 분석하고 미래 주가를 예측하는 것은 금융 데이터 분석에서 중요한 역할을 합니다. 이번 포스팅에서는 Darts라는 라이브러리를 활용해서 SCHD ETF의 주가를 예측하는 모델을 만들어 보도록 하겠습니다. 지난번 Prophet 라이브러리로 SCHD ETF의 주가를 분석한 것의 연장 버전입니다. [머신러닝 with Python] Prophet 모델로 SCHD 주가 분석하기 1. Darts 라이브러리로 SCHD 주가 예측모델 만들기1.1 Darts 라이브러리란?- Darts는 시계열(Time Series) 데이터 분석과 예측을 위한 강력한 라이브러리입니다.- 이 라이브러리는 딥러닝 모델과 전통적인 통계 모델을 모두 지원하여 다양한 시계열 분석이 가능합니다. - Darts 라이브러.. 2025. 3. 8. 이전 1 2 3 4 ··· 11 다음 반응형
