모델링이란? 데이터의 개념적 표현을 만들고, 데이터 엔터티가 서로 관련되는 방식을 설정하고, 데이터가 데이터베이스에 저장되는 방식에 대한 프레임워크를 설정하는 프로세스. 시스템에서 데이터베이스를 구현하기 위한 청사진 같은 역할이다. 추상화 : 시스템이 관리할 수 있는 방식으로 데이터를 나타내기 위해 현실의 필수 측면을 표현한다. 단순화 : 복잡한 시스템을 더 간단하고 관리하기 쉬운 구성 요소로 나누는 과정 명확화 : 사물을 명확하고 이해하기 쉽게 만드는 것. 유의점 : - 중복 : 여러 장소에 같은 정보를 중복 저장하지 않도록 중복성 최소화한다. - 비유연성 : 데이터의 정의를 데이터 사용 프로세스와 분리해서 유연성을 높인다. 비유연성(경직성)의 경우는 데이터베이스 시스템이 요구사항이나 어떤 구조를 바꾸..

예전에 배웠던 것들인데 가물가물~ 복습하는 느낌으로 간다. attribute : 클래스의 기본 속성. method : 어떤 행동 같은 것. 어떤 인스턴스를 통해 생성되는 것은 인스턴스 메소드. class Car: def drive(self): print('Driving Start!') #instance 생성 mycar = Car() #instance method mycar.drive() 우리가 흔히 쓰는 a = 123123 이런 것도 클래스를 사용한 것이다. a라는 인스턴스를 선언한 것이니까. print(isinstance(mycar, Car)) isinstance를 하면 mycar라는 오브젝트가 해당 클래스의 인스턴스인지를 True 혹은 False로 구분되어 나온다. 오늘 배운 __init__ 이거는 ..

계속한다. https://www.kaggle.com/code/ekrembayar/store-sales-ts-forecasting-a-comprehensive-guide Store Sales TS Forecasting - A Comprehensive Guide Explore and run machine learning code with Kaggle Notebooks | Using data from Store Sales - Time Series Forecasting www.kaggle.com 이분 것 참고. 이거를 짜고 있는데 Oil 데이터에 NaN 값이 많기 때문이다. 이것을 interpolated로 처리했다. 근데 이분은 아래와 같은 방법으로 먼저 resample을 했다. oil_df.set_index(..

오늘은 배웟던 것을 토대로 클론코딩을 해보기로 했다. 100% 클론코딩은 아니고 한 80% 정도! https://www.kaggle.com/code/ekrembayar/store-sales-ts-forecasting-a-comprehensive-guide Store Sales TS Forecasting - A Comprehensive Guide Explore and run machine learning code with Kaggle Notebooks | Using data from Store Sales - Time Series Forecasting www.kaggle.com 이분이 이 주제에 대해서 따봉이 제일 많아서 이분 것을 들어가서 진행했다. 데이터는 에콰도르 것인데, 상품판매 분석이다. 데이터는 ..

fdr.StockListing? 이렇게 메서드에 ?를 치면 인자값 같은 것이 나온다. https://jhy156456.tistory.com/entry/python-shift-pctchange-diff-rolling-resample [python] shift() , pct_change(), diff(), rolling(), resample() [python] shift() , pct_change(), diff(), rolling(), resample() shift() 인덱스에 연결된 데이터를 일정 간격으로 이동시키는 함수. default => period = 1, axis=0(row) axis=1을 하면 데이터가 오른쪽으로 이동하게 된다. mmm jhy156456.tistory.com 여러가지 계산법들이 ..

LogisticRegression(solver='liblinear') 이건 뭔지 모르겠는데..? from sklearn.model_selection import train_test_split X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, stratify=y, random_state=42) stratify를 쓰면 학습데이터와 트레이닝, 테스트의 분포가 원래 데이터와 동일하도록 학습시키는 것. 뭔가 치우친 데이터에 적용할 때 특히 유용하다. 임의로 20% 뽑았을 때 잘 안나올 수도 있으니까 이것을 사용한다. 과적합 : 트레이닝 데이터가 테스트에 비해 학습이 잘되긴 하는데, 새로운 값이 들어오면 잘 안맞는 경우가 있음. 앙상블..