전체 글31 시계열 분석에서 예측 모델의 구축 및 Stacking을 위한 베이지안 회귀 분석 방법 (2/2) - 구현 먼저 데이터를 불러온 후 null 값을 처리하고 시각화 해보았습니다. (데이터: https://www.kaggle.com/c/rossmann-store-sales) import pandas as pd import numpy as np store = pd.read_csv("../rossmann-store-sales/store.csv") train = pd.read_csv("../rossmann-store-sales/train.csv") test = pd.read_csv("../rossmann-store-sales/test.csv") store.isnull().sum() store.fillna(0, inplace=True) train.isnull().sum() test.fillna(0, inplace=Tru.. 2022. 2. 28. 시계열 분석에서 예측 모델의 구축 및 Stacking을 위한 베이지안 회귀 분석 방법 (1/2) - 설명 Bayesian Regression Approach for Building and Stacking Predictive Models in Time Series Analytics: 연구 출저: https://arxiv.org/pdf/2201.02034.pdf [설명] 이 논문에서는 시계열 모델을 구축하고 다른 예측 모델을 쌓기(stacking) 위한 베이지안 회귀 분석의 사용을 설명합니다. 비선형 추세가 있는 시계열 모델링을 위해 베이지안 회귀를 사용하여 분석했습니다. 이 접근법은 시계열 예측의 불확실성 및 위험 (VaR = Value at Risk)값을 계산할 수 있게 해줍니다. 베이지안 회귀 분석을 사용한 시계열의 계층형 모델 (Hierarchical model)도 고려되었습니다. 이 접근법에서, 파라미.. 2022. 2. 16. Python 을 이용하여 MDD / Sharp Ratio 구하기 import yfinance as yf import pandas as pd def get_returns(): returns_list = [] for i in range(len(stock_data)-1): today_close = stock_data.iloc[i+1]['Close'] yesterday_close = stock_data.iloc[i]['Close'] returns = (today_close - yesterday_close) / yesterday_close * 100 returns_list.append(returns) returns_list.insert(0,0) # 첫번째 자리에 0 넣어주기 return returns_list def get_max_drawdown(): mdd = (max(st.. 2022. 1. 3. Data Science 인터뷰 질문 및 답변 (작성중) Data scientist 를 준비하면서 직접 받았던 인터뷰 질문이나, 인터넷에서 찾을 수 있는 질문들을 모아서 꾸준히 답안지를 작성해 보려합니다. 잘못된 정보가 있거나 필요한 질문이 있으면 편하게 알려주세요. 질문출처:https://zzsza.github.io/data/2018/02/17/datascience-interivew-questions/#contents https://www.simplilearn.com/tutorials/data-science-tutorial/data-science-interview-questions Top 50 Data Science Interview Questions and Answers 2022 | Simplilearn Uncover the top Data Science .. 2022. 1. 3. 이전 1 2 3 4 5 6 7 8 다음 반응형
