[비트캠프 - 클라우드 기반 AlaaS 개발자 과정] 23.01.02 ~ 06(12주차) WIL

목차

1. 시계열 예측 모델(삼성주가예측) 정리

2. FastAPI 도커컴포즈 명령어

3. 네이버 클라우드 서버 계정

 

1. 시계열 예측모델 정리

에러

Input 0 of layer "sequential" is incompatible with the layer : 차원 변경 에러

python x_train = x_train.astype(np.float32).reshape(x_train.shape[0], x_train[1], 1)

ValueError: Failed to convert a NumPy array to a Tensor (Unsupported object type int) : 데이터 타입 에러

python y_train.astype(np.float32)

문법

if "M" in df2.iloc[i, j]

df.iloc = 인덱스 순서로 검색 ex) df.iloc[3] => 4번째 로우 출력 <-> df.loc = 인덱스 값으로 검색 ex) df.loc['a'] => 인덱스가 a 인 로우 출력

df1 = df1.sort_values(['날짜'], ascending=[True])

오름차순 정리 : 날짜=기준칼럼, ascending=오름차순여부

df1 = df1.values

데이터만 출력 => 넘파이파일로 바꾸기 전 형태만 갖추는 작업

# 그냥출력
                  종가      오픈      고가      저가          거래량
날짜                                                       
2022- 12- 02  315.02  320.76  320.76  315.02  114750000.0
2022- 12- 05  313.91  316.26  317.07  312.92  113970000.0

# value 출력
[[315.02 320.76 320.76 315.02 114750000.0]
 [313.91 316.26 317.07 312.92 113970000.0]]

df.rename(columns={'오픈': '시가'}, inplace=True)

칼럼 이름 바꿔줌

x_train, x_test, y_train, y_test = train_test_split(x, y, random_state=1, test_size=0.3, shuffle=False)

• train_teset_split = numpy 데이터의 로우를 train, test로 분할할 때 사용하는 사이킷런 메소드
• random_state = 난수 초기값 설정 => 암거나 주면 됨
• shuffle = train, test 분할 시 무작위로 섞을지 말지 여부 설정. 시계열 예측 같은 순서가 중요한 분류에선 필수

scaler = StandardScaler()

스케일링(포준화, 정규화) 중 표준화 해주는 사이킷런 메소드

from sklearn.preprocessing import StandardScaler

scaler = StandardScaler()
scaler.fit(x_train)
x_train_scaled = scaler.transform(x_train).astype(float)
x_test_scaled = scaler.transform(x_test).astype(float)

• 메소드 설명
  • StandardScaler.fit() : 평균 𝜇과 표준편차 𝜎를 계산 StandardScaler.transform() : 정규화/표준화, Standardization, z = (𝑥-𝜇)/𝜎 StandardScaler.fit_trasform() : fit() + transform()
• 프로세스
  1. traning data 의 fit 을 한 후 → 분포를 객체에 저장
  2. traning data 의 transform 를 하고,
  3. test data 는 trasform 만 진행합니다.→ fit 된 분포를 그대로 적용

model

• model = Sequential() 학습모델 설정, 모델 학습 시에 다양한 메소드를 필수적으로 넣어줘야한다
• model.add 계층설정, input_shape:데이터모양설정, activation:활성화함수 설정

python model.add(Dense(64, input_shape=(25,))) model.add(Dense(32, activation='relu'))

• model.compile 컴파일 : 모델학습 전 학습과정 설정

python model.compile(loss='mse', optimizer='adam', metrics=['mse'])

• model.fit 학습

python model.fit(x_train_scaled, y_train, validation_split=0.2, verbose=1, batch_size=1, epochs=100, callbacks=[early_stopping])

• model.evaluate 평가

python loss, mse = model.evaluate(x_test_scaled, y_test, batch_size=1)

• model.predict 예측값

python y_pred = model.predict(x_test_scaled)

 

2. FastAPI 도커컴포즈 명령어

### fastapi 설치
```shell
pip install fastapi 'uvicorn[standard]'
```
### uvicorn 설치
```shell
pip install uvicorn
```
### 실행명령어
```shell
python -m uvicorn main:api --reload 
```
### 보안 추가 설정(파이참에서 컴포즈 할 때 mysql 서버 연결 오류 뜨면)
```shell
grant all privileges on *.* to 'root'@'%' identified by 'root';
```
### denide for user (bash에서 설정)
```shell
chmod 644 /etc/my.cnf
```

 

디테일 내일..

 

3. 네이버 클라우드 서버 계정

이건 내일...