sweet_it sweet_it

MAPE, RMSE, 그리고 추세 분류 정확도를 좀 더 자세히, 이해하기 쉽게 설명드리겠습니다. 데이터 모델 평가 지표로서 왜 중요한지, 수식의 의미와 실무 적용법 중심으로 깊게 풀어드릴게요.1. MAPE (평균 절대 백분율 오차) – 오차를 ‘퍼센트’로 평가하는 이유MAPE는 예측 결과의 오차를 ‘상대적인 비율’로 나타내는 지표입니다. 즉, 예측값이 실제값에서 얼마나 퍼센트 차이가 나는지 평균을 내는 것입니다.왜 퍼센트로 나타낼까?데이터가 절대값 차이가 커도 비율로 보면 얼마나 차이나는지 직관적으로 알 수 있어, 서로 다른 스케일(규모)의 데이터 비교가 쉽습니다.예를 들어 매출 1000만 원을 900만 원으로 예측했으면 오차는 100만 원이나, 이는 10% 오차로 표현해 모델의 정확도를 판단할 수 있습..

파이썬 개발을 하다 보면 프로젝트마다 필요한 라이브러리 버전이 다르거나,충돌을 방지하고 싶을 때가 많습니다.이럴 때 venv(가상환경)를 활용하면각 프로젝트별로 독립적인 환경을 손쉽게 만들 수 있습니다.venv란 무엇인가?venv는 파이썬 표준 라이브러리에서 제공하는 가상환경 도구입니다.프로젝트마다 별도의 패키지 공간을 제공해,라이브러리 버전 충돌 없이 안전하게 개발을 진행할 수 있습니다.venv 가상환경 생성 방법1. 가상환경 생성원하는 폴더에서 아래 명령어를 입력하세요.python -m venv 가상환경이름python -m venv myenv실행하면 myenv 폴더가 생성되고, 그 안에 독립적인 파이썬 환경이 만들어집니다.2. 가상환경 활성화운영체제별로 활성화 방법이 다릅니다.Windowsmyenv\..

🐍 파이썬 설치 시 주의사항!최신이 항상 정답일까요?Python 3.13.5 vs 3.11.12, 실무에서 무엇을 선택해야 할까?🔥 최신 버전: Python 3.13.5✅ 출시일: 2025년 6월✅ 최신 기능 다수 포함 (성능 개선 포함)✅ 실험적 기능 테스트에 적합⚠ 일부 라이브러리 호환성 문제 발생 가능⚠ 개발 환경에 따라 설치 후 실행조차 안 되는 경우도 있음예: pip install 후 AttributeError, ModuleNotFoundError 발생 빈도 높음특히 Windows 환경에서 TensorFlow, PyTorch 충돌 사례 다수 있음🛡 안정화 버전: Python 3.11.12🗓 출시일: 2025년 4월 8일✅ 대부분의 주요 라이브러리와 완벽한 호환✅ 실무, 강의, 입문자에게 ..

비트코인 1시간봉 시계열 예측 정확도(53%) 개선 방법비트코인 1시간봉 시계열 예측에서 53%의 정확도는 딥러닝 기반 모델로는 아쉬운 수준입니다. 아래에서는 실제 연구와 실전 경험에 기반해 CNN-LSTM 구조의 시계열 예측 정확도를 높이는 주요 방법들을 정리합니다.1. 데이터 전처리 및 증강데이터 증강: 시계열 데이터에 다양한 증강 기법(시간 이동, 진폭 스케일링, 가우시안 노이즈 주입 등)을 적용하면 모델이 다양한 시장 상황에 더 잘 적응하고, 평균적으로 15% 이상 정확도가 향상될 수 있습니다1.결측치 처리: null 값이 있는 행은 과감히 제거하거나, 적절한 보간법을 적용해 학습 데이터의 품질을 높이세요2.정상성 확보: 시계열 데이터가 정상성을 띠도록 변환(차분, 로그 변환 등)하는 것도 중요합..

대학생이라면 절대 놓치지 말아야 할 무료 IT 서비스 혜택을 한눈에 정리해드립니다.현대 사회에서 IT 활용 능력은 필수죠. 특히 프로그래밍, 디자인, 데이터 분석 등실무 기술을 익히고 싶은 대학생들에게 유료 툴을 공짜로 쓸 수 있는 기회는 정말 큰 메리트입니다.대부분의 서비스가 학교 이메일(.ac.kr)이나 학생증만 있으면 바로 무료로 사용할 수 있어요.오늘 소개하는 8가지 혜택으로 학업은 물론 취업 준비, 개인 프로젝트까지 훨씬 수월해집니다.1. GitHub Student Developer Pack – 개발자라면 필수GitHub에서 운영하는 학생용 개발자 팩입니다.AWS, DigitalOcean, Namecheap 등 유명 IT 서비스들의 프리 티어를 한꺼번에 제공합니다.✔️ 서버 호스팅, 도메인 등록..

import numpy as npimport pandas as pdfrom sklearn.preprocessing import MinMaxScalerdef preprocess_lstm_data(df, feature_col='close', sequence_length=60): """ LSTM 학습을 위한 시계열 데이터 전처리. Parameters: df (DataFrame): Bybit에서 받은 원본 데이터프레임 (timestamp index 포함) feature_col (str): 사용할 컬럼명 (예: 'close') sequence_length (int): LSTM 시퀀스 길이 (default: 60) Returns: X_train..

Streamlit Cloud 접속https://share.streamlit.io/deploy?repository=wooahada%2Fbitcoin-lstm-predictor&branch=master&mainModule=streamlit_app.py https://share.streamlit.io/deploy?branch=master&mainModule=streamlit_app.py&repository=wooahada%2Fbitcoin-lstm-predictor share.streamlit.ioContinue to sign-in 클릭Continue with GitHub 클릭 후 회원가입Authorize streamlit 클릭메일에서 받은 코드 입력Authorize streamlit 클릭password입력내..

--height, weight 컬럼추가 명령어 ALTER TABLE medica ADD COLUMN height FLOAT AFTER age, ADD COLUMN weight FLOAT AFTER height; --CSV 파일을 임시 테이블로 로드 CREATE TEMPORARY TABLE temp_medica (     id INT,     height FLOAT,     weight FLOAT ); - CSV 데이터를 임시 테이블에 로드 LOAD DATA LOCAL INFILE 'C:\\finfit\\medica_csv_v1.1.csv' INTO TABLE temp_medica FIELDS TERMINATED BY ','  LINES TERMINATED BY '\r\n'  IGNORE 1 LINES (..