Chapter 5. 지도 학습: 회귀(시계열 모델) 금융 기관에 종사하는 애널리스트, 투자 매니저 등 금융권에서 가장 많이 사용하는 머신러닝 금융 산업에서는 상당히 많은 자산 모델링과 예측 문제가 시간 구성요소와 연속 출력의 추정과 관계되기 때문에 시계열 모델을 다루는 것은 필수적이다. 5.1 시계열 모델 5...

chapter 3. 인공 신경망 머신러닝 기법 중 인공신경망은 인공 뉴런이라고 불리는 노드가 연결된 집합체로, 연산을 수행하는 시스템이다. 신호를 받은 인공 뉴런은 신호를 처리하고 그다음 연결된 뉴런에 전달한다. 3.1 구조, 훈련, 하이퍼파라미터 인공 신경망은 모델을 거쳐 얻은 결과와 예상한 결과를 비교하는 방식으로 훈련 단계를 거친다. 3....

주성분 분석(principal component analysis) 주성분 분석이란? 차원 축소(Dimensionality Reduction)의 한 방법으로, 데이터의 패턴을 보존하며 데이터의 차원을 줄이는 방법. PCA는 데이터의 분산을 최대한 설명하는 새로운 축(주성분)을 찾는다. 주성분을 찾으면 해당 주성분 방향으로 기존 데이터들을 사...

Chapter.6 비지도 학습 6-1 군집 알고리즘 비지도 학습은 사람이 가르쳐주지 않아도 데이터에 있는 무언가를 학습하는 머신러닝 알고리즘. import numpy as np import matplotlib.pyplot as plt fruits = np.load('fruits_300.npy') print(fruits.shape) # output:...

chapter.5 트리 알고리즘 5-1 결정 트리 와인 캔에 인쇄된 알코올 도수, 당도, PH 값으로 와인 종류를 구분할 수 있을까? → 로지스틱 회귀 모델 적용 data = wine[['alcohol', 'sugar', 'PH']].to_numpy() target = wine['class'].to_numpy() from sklearn.model...

4-1 로지스틱 회귀 판다스의 unique()함수를 사용하여 주어진 데이터에 어떤 종류의 생선이 있는지 확인 import pandas as pd fish = pd.read_csv() fish.head() print(pd.unique(fish['Species'])) # output: ['Bream', 'Roach', 'Whitefish', 'Park...

chapter.3 회귀 알고리즘과 모델 규제 3.1 k-최근접 이웃 회귀 농어 길이 데이터만으로 무게 예측하기 → 농어의 길이가 특성, 무게가 타깃 import numpy as np perch_length = np.array([8.4, 13.7, 15.0, 16.2, 17.4, 18.0, 18.7, 19.0, 19.6, 20.0, 21.0, ...

Chapter1. 나의 첫 머신러닝 1.1 인공지능과 머신러닝, 딥러닝 인공지능이란? 사람처럼 학습하고 추론할 수 있는 지능을 가진 컴퓨터 시스템을 만드는 기술. 영화 같이 사람과 구분하기 어려운 지능을 가진 컴퓨터 시스템 → 인공일반지능 현실에서 우리가 마주하고 있는 인공지능 → 약인공지능 약인공지능은 아직까지는 특정 분야에서 사람의 ...

Empricial Asset Pricing via Machine Learning 논문 요약은 이미 FBA Quant학회 PO세션에서 HW12에 게시되어 있지만 이해가 잘 되지 않은 상황에서 급하게 요약한거라 차근차근 다시 요약을 진행해보려 한다. SUMMARY: Empirical Asset Pricing via Machine Learning Intr...

※ EDA VS 데이터 시각화 EDA 데이터를 탐색하고 이해하는 과정. 데이터의 구조와 특징을 파악하여 인사이트를 얻는 것이 주 목적. 데이터 시각화 데이터를 시각적으로 표현하여 정보를 명확하고 직관적으로 전달하는 것. 복잡한 데이터 세트를 이해하고, 인사이트를 효과적으로 전달. 10.1 탐색적 데이터 분석 EDA의 주요 목적 ...