분류 전체보기110 시계열 데이터 분석 (ARIMA) Autoregressive Moving Average (ARMA) Autoregressive (AR)t보다 이전에 있었던 정보들을 모두 합한 정보로 yt를 설명한다는 의미를 가짐y에 대해서 p만큼의 과거를 가지고 현재값 예측 Moving Average (MA)ε: 예측값과 실제값의 차이 (residual 혹은 error 로 불림) βo: 항상 1 (βo이면 εt는 yt와 항상 동시에 일어남 -> βo를 존재한다고 가정하고 1로 놓는다)ε에 대해서 q만큼의 과거를 가지고 현재값 예측 αi와 βo를 제외한 βi는 회귀(OLS 등)를 통해 추론 ARMA 조건시계열 데이터가 Stationary Process(정상성을 가진 데이터)여야 함=> 정상성을 갖게 하기 위해 차분을 추가 → ARIMA covaria.. 2024. 7. 23. 행렬식(determinant) & 대각합(trace) 새 창에서 열기 2024. 7. 7. 여행지 추천 서비스 프로젝트 개요현재 Yolog(여록 - 여행기록)이라는 앱 생성 프로젝트에 참여하고 있다. 이 프로젝트는 사용자들이 나라별로 일기장을 생성할 수 있도록 하며, 여행을 빠르게 기록할 수 있는 ‘임시저장’ 기능을 제공하여 여행의 순간순간의 기억을 잃지 않도록 돕는다. 또한, 타임라인 기능을 통해 일기를 작성할 때 시간이 자동으로 입력되도록 하였다. 일기 작성을 완료한 후에는 첨부한 사진들과 어울리는 음악을 생성하여, 음악과 사진이 슬라이드 쇼 형태로 만들어져 이를 릴스로 사용할 수 있게 한다. 맡은 역할이 프로젝트에서 나는 다음 여행지 추천 서비스 개발과 텍스트 기반 음악 생성 기능을 맡았다. 프로젝트 진행 과정사용자들이 작성한 일기 문장들을 기반으로 감정을 분석하고, 이를 수치화하였다. 이후, 도출된 감정 .. 2024. 6. 27. 얼굴인식 기반 감정분석 프로젝트 Intro아이폰에 있는 페이스 아이디 기능에 얼굴 감정분석 기능을 추가하여 하루 동안의 감정 변화를 그래프로 시각화하고 슬픔, 화남의 감정이 느껴질 때 응원의 메세지를 띄워주는 기능이 있다면 어떨까 라는 생각으로 프로젝트를 진행하게 되었다. 데이터셋얼굴 감정 분석 데이터 셋으로는 AI Hub의 한국인 감정인식을 위한 복합 영상 데이터셋을 사용하였다. 해당 데이터셋은 총 7개의 라벨(분노, 슬픔, 불안, 상처, 당황, 기쁨, 중립)로 분류되어 있다.이 프로젝트에서는 중립의 이미지를 학습할 필요가 없다고 판단하여 중립에 해당하는 데이터셋을 제거하고 상처와 슬픔의 이미지 데이터셋이 비슷하여 두 이미지 데이터셋을 통합하였다.또한 페이스 아이디를 사용하여 핸드폰을 잠금해제 할 때 화면에 80% 이상이 얼굴을 나타.. 2024. 6. 27. KoBERT with Hugging Face 관련 오류 해결방법 (2024.06) KoBERT 관련 모델을 Hugging Face로만 사용 가능하게 되면서 KoBERT와 관련한 다양한 예시코드를 실행하는 과정 중 여러 오류가 발생했다.2024년 6월 기준 colab으로 KoBERT 모델을 실행하는 방법에 대해 정리하고자 한다. 1. numpy를 다운그레이드 해야 import gluonnlp as nlp에서 오류 발생하지 않음!pip uninstall numpy!pip install numpy==1.23.1 2. 필요한 파일들 설치!pip install gluonnlp pandas tqdm!pip install mxnet!pip install sentencepiece!pip install transformers!pip install torch 3. KoBERT 설치!pip instal.. 2024. 6. 22. invalid index to scalar variable invalid index to scalar variable 오류 원인'csr_matrix' 행을 리스트로 변환하지 않고 sorted 함수를 사용하여 정렬하려고 하였더니 발생하였다. def get_recommendations(title, cosine_sim=cosine_sim): #선택한 영화의 타이틀로부터 해당 영화의 인덱스를 받아옴 idx = title_to_index[title] #해당 영화와 모든 영화와의 유사도를 가져온다 sim_scores = cosine_sim[idx] #print(sim_scores.empty().sum()) #유사도에 따라 영화들을 정렬한다 sim_scores = sorted(sim_scores, key = lambda x:x[1],reverse=True) #.. 2024. 5. 16. 이전 1 2 3 4 ··· 19 다음
