sweet_it sweet_it

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 (..

age 컬럼 뒤에 height 및 weight 컬럼을 추가하기 age 컬럼 뒤에 height 및 weight 컬럼을 추가하려면ALTER TABLE 문을 사용하면 됩니다. ALTER TABLE medica(테이블명)ADD COLUMN height FLOAT AFTER age,ADD COLUMN weight FLOAT AFTER height;  명령어를 실행하면 height와 weight 컬럼이 age 컬럼 다음에 추가됩니다. ALTER TABLE medicaADD COLUMN height FLOAT AFTER age,ADD COLUMN weight FLOAT AFTER height;  결과 확인desc medica;

6주차(2/17 ~ 2/23)Chapter 07Ch.07(07-1) 확인 문제 풀고, 풀이 과정 정리하기Ch.07(07-2) 확인 문제 풀고, 풀이 과정 정리하기 문제1) 어떤 인공 신경망의 입력 특성이 100개이고 밀집층에 있는 뉴런 개수가 10개일 때 필요한 모델 파라미터의 개수는 몇 개인가요? 답 -> 1,010개 가중치 (100 * 10) + 절편(10) 문제2) 케라스의 Dense 클래스를 사용해 신경망의 출력층을 만들려고 합니다. 이 신경망이 이진 분류 모델이라면 activation 매개변수에 어떤 활성화 함수를 지정해야 하나요? 답 -> sigmoid 이진 분류(sigmoid), 다중 분류(softmax), 이미지(relu) 문제3) 케라스 모델에서 손실 함수와 측정 지표 등을 지정하는 메서..

책을 1번 공부하기는 했으나,슬렁슬렁 봐서 중간에 내것화?시키는 시간이 필요했다.처음에는 굳은 의지를 가지고 혼공머신을 시작했으나점점 나태해져가는 나 자신 ㅠ 사실 이것만 하는 것도 아니고 여러 가지 주업무들이 있어서허둥지둥 과제하느라 글쓰느라 바빴던 것 인정하지만 이렇게라도 하지 않았으면책을 복습차원에서 보지도 않았을 듯 하다.사람마다 목표도 다르고 생각하는 것도 다르겠지만열심히 하는 분들을 보고 자극도 얻고여차저차 책을 보기라도 하는 기회를 만들 게 되서감사한 마음이다.혼공시리즈 또 다른 책도 있는데이거 끝나면 그걸 해볼까 아니면 이 책을 또 다시 해볼까 고민하고 있다책을 1번 보면 내 것이 되면좋겠지만 그렇지 않는다는 ㅠ 사실공부하는 습관벼락치기라도...뭐라도 안하는 것보다야 낫다족장님도 그렇고잘 ..