1. Учиться
    2. /
  2. Courses
    3. /
  3. Python으로 배우는 금융 분야 Machine Learning
Connected

Exercise

EDA로 데이터 훑어보기

먼저 데이터를 살펴보겠습니다. Machine Learning(ML) 프로젝트를 시작할 때는 항상 탐색적 데이터 분석(EDA)으로 데이터에 익숙해지는 과정이 필요해요. 여기에는 다음과 같은 작업이 포함됩니다:

  • 원시(raw) 데이터 플롯
  • 히스토그램
  • 기타 등등

저는 보통 원시 데이터 플롯과 히스토그램부터 시작합니다. 이렇게 하면 데이터의 분포를 이해할 수 있어요. 정규분포에 가깝다면 모수 통계 같은 방법을 사용할 수 있죠.

두 개의 주식 데이터가 pandas DataFrame인 lng_df와 spy_df(LNG와 SPY)로 불러와져 있어요. .head()로 확인해 보세요. 우리는 종가와 나중에는 거래량을 ML 알고리즘의 입력으로 사용할 예정입니다.

참고: 새 플롯을 만들 때마다 plt.clf() 또는 f = plt.figure()를 호출할 거예요.

Инструкции

100 XP
  • 두 DataFrame(lng_df, spy_df)의 처음 5줄을 출력하고 내용을 확인하세요.
  • pandas를 사용해 'SPY'와 'LNG'의 조정 종가('Adj_Close')로 원시 시계열 데이터를 플로팅하세요 — .plot()에서 legend=True를 설정하세요.
  • 원시 시계열 플롯을 표시하려면 plt.show()를 사용하세요(matplotlib.pyplot은 plt로 임포트되어 있습니다).
  • pandas와 matplotlib로 SPY와 LNG의 조정 종가 1일 퍼센트 변화( .pct_change() 사용 )에 대한 히스토그램을 만드세요.