R로 시작하는 놀이터

이전 글에 이어서 이번 글에서는 해외의 콤팩트 시티의 데이터를 사용해 시계열 예측을 하는 모델을 만들어 볼 것입니다. 먼저 예측을 위해 데이터를 8:2의 비율로 나눠줍니다.#train:test = 8:2train_size  그다음 xgboost를 사용하기 위해 라벨링과 matrix 형태로 변환 시켜줍니다.#train 데이터 라벨링train_label % select(-c(pm25, date))#test 데이터 라벨링test_label % select(-c(pm25, date))#xgboost를 위해 matrix 형태로 바꿔주고 xgb.DMatrix를 사용해 모델에 적합한 형태로 변환train_xgb  최적의 하이퍼 파라미터 값을 추정하기 위해 random search를 진행합니다. 이 과정에서 시간이 오..

오늘은 저번 시간에 이어 예측 부분을 모델링 하겠습니다.#0은 거래 정지, 1은 일반halt_df_fin  주석이 쓰여 있는 대로 0은 거래 정지 기업, 1은 거래 중인 기업이라고 라벨을 추가합니다. 합쳐진 데이터를 훈련 데이터와 검증 데이터로 분할합니다.train_indi % select(-survival)), label = train_label)validation_label % select(-survival))) createDataPartition 함수를 이용하여 전체 데이터를 7:3의 비율로 train 세트와 validation 세트로 나눠줍니다. 그다음 xgboost에 넣을 수 있는 형식으로 데이터를 변환합니다. R에서의 xgboost는 data frame 형태는 인식하지 못하고, matrix 형..

거래 정지 종목으로 지정되게 되면 해당 주식을 투자하고 있는 투자자에겐 불리한 결과로 이어집니다. 거래 정지가 되기 전에 미리 예측하여 피할 수 있다면 큰 손실을 예방할 수 있을 것입니다. 유가증권 시장에서도 미리 불성실한 기업들을 찾아낸다면 건강한 시장을 만들 수 있을 것입니다. 따라서, 이번엔 주식 거래 정지 기업을 미리 예측해 보도록 하겠습니다.  들어가기에 앞서 코드를 실행하기 위해 필요한 패키지들을 다운로드하고 로드합니다.#필요한 라이브러리 다운로드 및 로드required_packages 0) { install.packages(packages_to_install)}remotes::install_github("cran/DMwR")lapply(required_packages, library, c..