docker container에 대해 알아보기

Decision trees in machine learning: what is it and how to test and run models in Python

확률적 경사 하강법(Stochastic Gradient Descent) 정리

How to install docker engine on Ubuntu

Following up on the previous article, we'll see how we can visualize the predicted data in an easy to read graph

Following up on the previous article, we'll predict sales data using Google's Vertex AI

Quick and simple tutorial on how to use BigQuery and SQL

Cloud Forecast 제품 비교

오늘은 RNN 모델중 하나인 LSTM을 통해 삼성전자 주가를 예측해보겠습니다. 데이터셋 생성 데이터셋을 다운로드 하고자 하는 경우 링크에 접속하여 받을 수 있습니다. df_price = pd.read_csv(os.path.join(data_path, '01-삼성전자-주가.csv'), encoding='utf8') df_price.describe() 컬럼은 일자, 시가, 고가, 저가, 종가, 거래량으로 구성 되어있으며 총 9,288개의 record를 갖고 있습니다. 해당 데이터 스키마를 갖고 미래 특정 시점의 ‘종가’를 예측해보겠습니다. import numpy as np # linear algebra import pandas as pd # data processing, CSV file I/O (e.g. pd.read_csv) import matplotlib.pyplot as plt import seaborn as sns 데이터 전처리 및 시각화 날짜형 변환(-> datetime) ```python pd.to_datetime(df_price[‘일자’], format=’%Y%m%d’) 0 2020-01-07 1 2020-01-06 2 2020-01-03 3 2020-01-02 4 2019-12-30

Basic RNN 알고리즘의 약점