반응형 시계열데이터3 [딥러닝 with Python] HYDRA(HYbrid Dicionary-Rocket Architecture)(2/2) 이번 시간에는 이전 시간에 알아본 포스팅의 내용을 파이썬 코드로 구현해서 분류 결과를 도출해보겠습니다. [개념정리] HYDRA(HYbrid Dicionary-Rocket Architecture)(1/2) 코드는 범용적인 재현성을 위해 구글 코랩환경에서 구현하였습니다. 1. HYDRA를 활용한 시계열 데이터 분류 - 이번 실험을 위해 사용할 데이터는 Cricket 데이터입니다.[출처 : https://www.timeseriesclassification.com/description.php?Dataset=Cricket] - 해당 데이터에 대한 간략한 설명은 아래와 같습니다. * 이 데이터는 크리켓 경기에서 심판이 점수 기록자에게 다양한 게임 이벤트를 신호로 전달하는 동작을 분석하는 과정에서 나온 데이터입니다.. 2024. 10. 16. [개념정리] ROCKET(RandOm Convolutional KErnel Transform) (시계열 특징 추출 / 시계열 분류) (1/2) [해당 포스팅은 "ROCKET: exceptionally fast and accurate time series classification using random convolutional kernels"(Dempster et al. 2020) 논문을 참조했습니다] 이번에 알아볼 내용은 시계열 데이터에서 시계열적 특징을 다양하게 추출하여 분류에 활용하는 방법론 중 하나인 ROCKET(RandOm Convoltuional KErnel Transform)에 대해서 알아보겠습니다. 이 방법론은 "ROCKET: exceptionally fast and accurate time series classification using random convolutional kernels"(Dempster et al. 20.. 2024. 10. 13. [머신러닝 with Python] 상점 신용카드 매출 예측 (DACON 문제) (2/2) [머신러닝 with Python] 상점 신용카드 매출 예측 (DACON 문제) (1/2) 지난번 포스팅에 이어지는 내용입니다. 이번에는 상점별 매출 특성을 분석해보겠습니다. 제공된 데이터에는 총 1,967개의 상점이 있으며, 시계열 그래프를 통해 데이터에 있는 상점들이 어떤 특성을 가지는지 파악해보겠습니다. 상점의 특징을 계절성이 있는 상점, 추세가 있는 상점, 휴업중인 상점 이렇게 3가지로 분류했습니다. 1) 계절성이 있는 상점 예측할 시기는 봄이고, 1학기, 상반기, 축제 등 다양한 계절성을 가지고 있습니다. 먼저 시각화를 통해 변환된 데이터를 출력해봅니다. # 상점 아이디가 257번인 데이터를 시리즈 객체로 데이터 출력store_257 = time_series(resampling_data, 2.. 2024. 6. 11. 이전 1 다음 반응형
