[Time Series] 메타코드 강의 후기_챕터 3: Time Series Model - part 2

 

#Input Tensor 선언 

input = torch.ones(5, 3) # seq_size, input_dim 

# input = torch.ones(11, 5, 3) # batch_size, seq-size, input_dim 

 

 

RNN Layer 정의 

# RNN Layer 선언

rnn_layer = nn.RNN (input_size=3, hidden_size=10)

 

Output shape 

# output 출력

output, hidden = rnn_layer(input0

print(output.shape) 

print(hidden.shape)

 

 

웹 크롤링 

code = '005930' # 삼성전자 종목코드 

url = ' 어쩌고 '

header ' = { 'User-agent ' : 'Mozilla/5.0' }

req = requests.get(url, headers = header)

html = BeautifulSoup(req.text, "lxml") 

 

 

# df 전처리 

df.dropna( inplace = True)

 

# 컬럼명 변경 

df.columns = ['Date', 'Close', 'Gap', 'Open']

 

# 불필요 컬럼 제거 

df.drop(['Gap'], axis = 1, inplace = True) 

 

#시간순 정렬 

df.sort_values(['Date'], inplace = True) 

 

 

# train / test 분리 (train 만 이용해서 학습 및 추론하고 test는 모델에 input이기에 사용하지 않는다. (미래값) 

train_df = df.loc[df.Date < '2024.04.03] #여기까지만 사용

test_df = df.loc[df.Date >= '2024.04.03] #모델 학습이 끝난 뒤에 성능 평가용으로 

 

train_df.drop(['Date'], axis=1, inplace=True) 

 

#scaling 

scaler = StandardScaler()

scaler.fit(train_df) 

 

#Define the window sizes 

input_window = 30 

output_windo = 5

 

#Create the dataset 

data = torch.tensor(s_train_df, dtype = torch.float32) 

target = torch.tensor(s_train_df.T[0], dtype= torch.float32) 

 

print(dataset[0][0].shape) 

print(dataset[0][1].shape) 

 

---

메타코드 4기 서포터즈 활동의 일환으로 작성한 게시글입니다. 

메타코드M (mcode.co.kr)