강의 자료
댓글 2
로그인 후 댓글을 작성할 수 있습니다.
visualmos
2021.09.10 16:41
유용한 강좌 감사합니다.
강민준🤗
2024.08.12 08:52
좋은 강의 감사합니다🙇♂️
라이브정보
방송일
2021년 06월 26일 (54회)
강의시간
53분 23초
버전 안내
Windows
엑셀 2013 이후 버전에서 사용 가능합니다
Mac
CoinHistory 추가기능 함수는 Mac에서 사용할 수 없으며, AZURE Machine Learning Add-in 은 Mac 엑셀 2013 이후 버전부터 제공됩니다.
보충자료
1️⃣ Azure 머신러닝 Add-In
URL 주소
https://ussouthcentral.services.azureml.net/workspaces/055a70fe642a41fe97925e7690b444af/services/750106edcce74678be2e50bf88da6648/execute?api-version=2.0&details=true
API 키
SqH2Unkg2g9tw+zeLRl/B0qkRZtggn5LCevE9xGlPw9kWh0y/ZEOA5f0LclTMa4rW+5jws+Drx/DN1y87/DzUg==
2️⃣ 강의에서 사용된 R코드 예제 - 비트코인 예측
일별 주식시세 예측에 사용된 R코드 전체 명령문 및 웹API링크는 영상 하단 댓글을 확인해주세요.
#라이브러리 등록
library(xts)
library(forecast)
# Map 1-based optional input ports to variables
d <- maml.mapInputPort(1); # class: data.frame
#시계열 표시형식 수정
d$DateTime <- as.POSIXlt(d$DateTime,format="%Y-%m-%d %H:%M:%S")
# 주기(단위) 계산
gap <- 1/as.double(difftime(d$DateTime[2],d$DateTime[1],units="hours"))
# 단위기준 시계열 데이터 생성
data.xts <- xts(d$Price,order.by=d$DateTime,frequency=24*gap)
names(data.xts)[0]<-paste("DateTime")
names(data.xts)[1]<-paste("Price")
#아리마모델 분석 (auto arima)
ar.model <- auto.arima(data.xts)
ar.forecast <- forecast(ar.model)
#아리마모델 분석결과 출력
data.set <- as.data.frame(ar.forecast$mean)
colnames(data.set) <- c("Prediction");
# Select data.frame to be sent to the output Dataset port
maml.mapOutputPort("data.set");
스크립트는 로그인 후 이용할 수 있습니다.
로그인