"주식데이터 학습 방법"의 두 판 사이의 차이
DB CAFE
(새 문서: === 주식 데이터 학습 방법 === <source lang=python> import pandas as pd import numpy as np from sklearn.linear_model import LinearRegression from sklearn.metrics import mean_s...) |
(→주식 데이터 학습 방법) |
||
1번째 줄: | 1번째 줄: | ||
+ | == 주식데이터 학습 == | ||
+ | https://github.com/KerasKorea/KEKOxTutorial/blob/master/22_Keras%EB%A5%BC%20%ED%99%9C%EC%9A%A9%ED%95%9C%20%EC%A3%BC%EC%8B%9D%20%EA%B0%80%EA%B2%A9%20%EC%98%88%EC%B8%A1.md | ||
+ | |||
=== 주식 데이터 학습 방법 === | === 주식 데이터 학습 방법 === | ||
<source lang=python> | <source lang=python> |
2023년 3월 24일 (금) 00:39 판
thumb_up 추천메뉴 바로가기
- DBA { Oracle DBA 명령어 > DBA 초급 과정 > DBA 고급 과정 }
- 튜닝 { 오라클 튜닝 목록 }
- 모델링 { 데이터 모델링 가이드 }
1 주식데이터 학습[편집]
1.1 주식 데이터 학습 방법[편집]
import pandas as pd
import numpy as np
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error, r2_score
# Load the data
df = pd.read_csv('stock_data.csv')
# Split the data into input and target variables
X = df[['volume', 'fluctuation_rate']]
y = df['price']
# Split the data into training and testing sets
train_size = int(len(X) * 0.8)
X_train, X_test = X[:train_size], X[train_size:]
y_train, y_test = y[:train_size], y[train_size:]
# Create a linear regression model
model = LinearRegression()
# Train the model on the training data
model.fit(X_train, y_train)
# Make predictions on the testing data
y_pred = model.predict(X_test)
# Evaluate the performance of the model
mse = mean_squared_error(y_test, y_pred)
rmse = np.sqrt(mse)
r2 = r2_score(y_test, y_pred)
print(f'Mean Squared Error: {mse:.2f}')
print(f'Root Mean Squared Error: {rmse:.2f}')
print(f'R-squared: {r2:.2f}')
# Make a prediction for a new input
new_input = [[1000000, 0.02]]
new_output = model.predict(new_input)
print(f'Predicted price for new input: {new_output[0]:.2f}')