기본 콘텐츠로 건너뛰기

3월, 2022의 게시물 표시

통계관련 함수와 메서드 사전

A B C d E F G H I K L M N O P Q R S T U V W Z A statsmodels.ap.stats.anova_lm(x) statsmodels.formula.api.ols 에 의해 생성되는 모형 즉, 클래스 인스턴스(x)를 인수로 받아 anova를 실행합니다. np.argsort(x, axis=-1, kind=None) 객체 x를 정렬할 경우 각 값에 대응하는 인덱스를 반환합니다. Axis는 기준 축을 지정하기 위한 매개변수로서 정렬의 방향을 조정할 수 있음(-1은 기본값으로 마지막 축) pandas.Series.autocorr(lag=1) lag에 전달한 지연수에 따른 값들 사이의 자기상관을 계산 B scipy.stats.bernoulli(x, p) 베르누이분포에 관련된 통계량을 계산하기 위한 클래스를 생성합니다. x: 랜덤변수 p: 단일 시행에서의 확률 scipy.stats.binom(x, n, p) 이항분포에 관련된 통계량을 계산하기 위한 클래스를 생성합니다. x: 랜덤변수 n: 총 시행횟수 p: 단일 시행에서의 확률 C scipy.stats.chi2.pdf(x, df, loc=0, scale=1) 카이제곱분포의 확률밀도함수를 계산 $$f(x, k) =\frac{1}{2^{\frac{k}{2}−1}Γ(\frac{k}{2})}x^{k−1}\exp\left(−\frac{x^2}{2}\right)$$ x: 확률변수 df: 자유도 pd.concat(objs, axis=0, join=’outer’, …) 두 개이상의 객체를 결합한 새로운 객체를 반환. objs: Series, DataFrame 객체. Axis=0은 행단위 즉, 열 방향으로 결합, Axis=1은 열단위 즉, 행 방향으

4차 산업혁명과 경제변화

4차 산업혁명이란 무엇인가? 4차 산업혁명의 역사적 의의 범용기술이 산업혁명의 원동력 4차 산업혁명의 특징 4차산업혁명과 경제성장 기술 진보와 경제성장 4차 산업혁명과 생산성 4차 산업혁명과 일자리 기술진보는 일자리를 줄일 것인가? 일자리 양국화 가능성과 인공지능 기술의 파급효과 4차 산업혁명, 어떻게 대비할 것인가? 본 글은 한국은행의 "알기 쉬운 경제이야기" 열다섯째 마당의 모든 내용을 블로그 형식으로 다시 작성한 것입니다. 4차 산업혁명과 경제변화 4차 산업혁명이란 무엇인가? 4차 산업혁명의 역사적 의의 근래에 우리는 4차 산업혁명이라는 말을 많이 듣습니다. 구글의 알파고가 이세돌 기사를 바둑에서 꺽었을 때도, 자율주행자에 대한 뉴스를 들을 때도, 그리고 금융이나 배달 앱을 광고할 때도 4차 산업혁명이라는 말을 듣습니다. 산업혁명이라면 보통 18세기 중후반 영국에서 시작되었던 면직물 공업을 중시으로 한 급속한 경제발전을 가리킵니다. 이 최초의 산업혁명이 1차 산업혁명이라면, 현재 논의되고 있는 4차 사업혁명이란 과연 무엇이고, 또 기존의 다른 산업혁명들과는 무엇이 다른 것일까요? 4차 산업혁명이라는 용어는 2016년 세계경제포럼(World Economix Forum)에서 동 포럼의 창립자인 클라우스 슈밥(Klaus Schwab)에 의해 처음 제시된 것으로 알려져 있습니다. 여기서 1~4차 산업혁명은 각각 다음과 같이 규정됩니다. 1차 산업혁명은 1760~1840년에 걸친 최초의 산업혁명이며 증기기관과 면직물 공업에 의하여 특징됩니다. 2차 산업혁명은 19세기 말에서 20세기 초까지 이어졌으며 중화학공업의 발전이 중심이 되었습니다. 3

장단기메모리(LSTM)

RNN의 작동구조 LSTM의 작동구조 입력게이트 삭제게이트 셀상태(장기상태) 출력게이트와 은닉상태(단기상태) 이 글은 " Understanding LSTM Networks "와 " 장단기 메모리(Long Short-Term Memory, LSTM) "를 참고하여 작성하였습니다. LSTM(Long Short-Term Memory) 바닐라RNN: 기본적인 순환신경망으로 비교적 짧은 시퀀스에서만 효과를 보이는 단점이 있습니다. 현재의 은닉층은 현재의 입력과 이전의 은닉상태를 입력받아 계산합니다. 이 과정에서 초기에 계산된 정보(은닉상태)의 영향은 시간단계가 길어지면서 감소됩니다. 초기 시점이 현시점과 충분히 길다면 그 영향은 거의 의미가 없을 수 있습니다. 이러한 단점을 극복하기 위한 다양한 RNN의 변형이 등장하게 되었으며 LSTM(장단기 메모리, Long Short-Term Memory) 역시 그 중의 하나입니다. RNN의 작동구조 다음 그림과 같이 현시점 은닉층(rnn 셀)에서는 현 시점의 입력벡터(x t )와 직전 시점에서의 은닉상태(h t-1 )의 결합의 결과를 tanh()에 의한 비선형화한 결과 즉, 업데이트된 은닉상태(h t )를 새로운 가중치(W y )로 사용하여 출력(y t )을 반환하고 다음 시점의 은닉층으로 전달됩니다. h t = tanh(W x x t + W h h t-1 +b) 그림 1. RNN의 작동구조 LSTM의 작동구조 그림 2. LSTM의 구조 위 lstm 구조의 그림에서 셀 상태(C t )는 이전 시점의 셀상태(C t-1 )의 입력으로 구성됩니다. 여기에 삭제게이트와 입력게이트 그리고 출력게이트가 첨가되어 다음 셀로 전달됩니다. 이 세개의 게이트에 공통적으로 시그모이드(sigmoid, σ) 함수가 적용됩니다. 이 함수는 [0, 1]사이의 값을 반환함으로서 게이트를 조절합니다.

경제안정화정책

목차 왜 경제안정화정책이 필요한가? 경제안정화정책의 의의 경제안정화정책에 관한 논쟁 경제안정화정책은 어떻게 운영되는가? 통화정책과 그 수단 통화정책은 어떻게 수행되는가? 통화정책은 어떻게 경제에 영향을 미치는가? 재정정책과 그 수단 재정적자를 메우는 방법 경제안정화정책이 성공하려면? 경제안정화정책의 한계 정책의 조화 경제안정화정책 성공의 열쇠 본 글은 한국은행의 "알기 쉬운 경제이야기" 열넷째 마당의 모든 내용을 블로그 형식으로 다시 작성한 것입니다. 경제안정화정책 왜 경제안정화정책이 필요한가? 경제안정화정책의 의의 현실경제에서는 물가불안이나 실업과 같은 문제가 종종 발생합니다. 이러한 문제는 자본주의 경제에서 불가피한 일로 받아들여지고 있습니다. 그러나 외부충격에 적절히 대응하지 않거나 지나친 경기변동을 그냥 놓아두면 경제는 더욱 불안정해질 수 있습니다. 경기가 호황일 때는 물가가 불안해지고, 불황일 때는 실직자들이 생겨납니다. 우리나라의 경우 대내외 경제여건의 급격한 변화 등으로 경제불안을 경험한 사례들이 있습니다. 예를 들어 1980년대 후반 3저 호황에 따른 경기과열로 물가가 급등하였으며, 1997년 말 외환위기 직후에는 경기침체로 실업률이 크게 올라갔습니다. 또한 2008년 글로벌 금융위기와 최근의 신종코로나바이러스 확산 등은 경기 부진, 고용 감소 등의 경제불안을 야기하였습니다. 3저호황 80년대 후반부터 90년대 초반에 이르는 기간동안 국제적인 '저금리'와 '저유가' 그리고 '저원화가치'의 영향으로 경제가 크게 호조를 보였던 상황을 일컬음 물가가 장기간 상승하거나 실업률이 계속 높아지는 등 경제가 불안정해지면 국민은 고통

순환신경망(RNN)

내용 RNN python으로 RNN 구현 양방향 RNN 주가 데이터에 rnn 층 생성 순환신경망(RNN) RNN 전통적 신경망들은 전부 은닉층에서 활성화 함수를 지난 값은 오직 출력층 방향으로만 향했습니다. 이와 같은 신경망들을 피드 포워드 신경망(Feed Forward Neural Network)이라고 합니다. 그에 반해 RNN(Recurrent Neural Network)은 은닉층의 노드에서 활성화 함수를 통해 나온 결과값을 출력층 방향으로도 보내면서, 다시 은닉층 노드의 결과를 다음 은닉층의 입력으로 보내는 특징을 갖고있습니다. 다음 그림에서 x는 입력층의 입력벡터, y를 출력층의 출력벡터를 나타내며 은닉층에서 활성함수를 통해 결과를 출력층으로 보냅니다. 이 층을 cell(메모리 셀)이라고 합니다. 즉, 현 시점(t)의 cell은 이전 시점(t-1)의 cell로 부터의 출력을 입력으로 사용합니다. 이렇게 은닉상태에서 다른 은닉상태로 전달하는 값을 은닉상태(hidden state)라고 합니다. 결과적으로 다음 그림에서 나타낸 것과 같이 현 시점에는 이전시점으로부터의 은닉상태와 현시점의 입력벡터가 전달됩니다. 위 그림에서 cell은 hidden layer(은닉층)을 나타내며 x 1 은 은닉층 1 (cell 1 )을 통과하여 출력 y 1 을 생성합니다. 이 생성에 관여되는 매개변수는 cell 2 에 영향을 주고 이층에 입력인 x 2 에 대응하여 출력 y 2를 반환합니다. 이 과정의 반복으로 최종 출력인 y n 이 생성됩니다. 위 과정은 다음 그림과 같이 축약하여 나타낼 수 있습니다. 다음 그림은 두 시점 간의 RNN을 신경망으로 나타낸 것입니다. 4개의 입력벡터와 2개의 은닉상태 그리고 각 시점에서 2개의 출력벡터를 반환합니다. 시점간의 4개의 은닉상태가 존재합니다. 위 과정은 다음과 같이 축약하여 나타낼 수 있습니다. 현재시점 t에서의 은닉상태를 h t 라고 하면 이를 계산하기 위해 입력되는

국제수지와 환율

목차 왜 국가 간에 거래가 일어날까? 무역의 이익-절대우위와 비교우위 자유무역 대 보호무역 경상수지 흑자는 언제나 바람직할까? 국제수지표는 외국과의 거래 장부 경상수지 변동이 경제에 미치는 영향은? 환율은 어떻게 결정될까? 환율은 우리 돈과 외국 돈의 교환비율 환율은 외환시장에서 결정된다 환율이 오르고 내리는 이유 환율 변동은 경제에 어떤 영향을 미칠까? 환율이 오르면 경상수지는 개성, 물가는 상승 환률정책은 외 중요한가? 외환보유액의 역할 외환보유에 따른 기회비용? 본 글은 한국은행의 "알기 쉬운 경제이야기" 열세 번째 마당의 모든 내용을 블로그 형식으로 다시 작성한 것입니다. 국제수지와 환율 왜 국가 간에 거래가 일어날까? 무역의 이익-절대우위와 비교우위 세계경제의 개방화 진전 등으로 국가간 무역규모는 크게 늘어났습니다. 우리나라의 2019년중 상품 수줄입 규모는 1조 1405억 달러로 명목 국민 총소득(GNI)에서 수출과 수입이 차지하는 비율은 80.8%에 달합니다. 이는 네델란드보다는 낮으나 미국이나 일본 등과 비교하여 매우 높은 편입니다. 우리나라와 주요국과의 교역규모(2019년 기준) 우리나라 수출입의 대 GNI 비율 이 이처럼 높은 것은 국내시장이 충분히 크지 않아 대외지향적 경제성장 전략을 채택했기 때문입니다. 그 결과 우리나라의 생산품이 국외에서 인정받아 많이 팔리는 동시에 외국상품의 수입도 늘어나게 되었습니다. 수출입의 대 GNI 비율 한 나라의 국민경제가 어느 정도 무역에 의존하고 있는가를 나타내는 지표 이러한 국가 간의무역은 왜 일어날까요? 그것은 국가간의 무역이 서로에게 유익하기 때문입니다. 개인이 필요한 물건을 모두 스스로 만들어 사용할 수 없듯이 국가 간에도 전문화와 분업에 의해 생산을 늘려 교환하면 서로에게 이익이 됩니다. 오늘날 거의 모든 국가는 문을 열고 외국과 거래하고 있습니다. 현실적으로 우리나라와 같이 부존자원이 부족한 나라는 자원을

torchvision: 데이터 준비

내용 dataset transforms.Totensor 주가자료의 변환 transforms.Compose와 transforms.Normalize torchvision: 데이터 준비 dataset CIFAR-10은 torchvision에 포함된 데이터 셋으로 이 패키지의 서브모듈인 datasets을 사용하여 호출합니다. CIFAR-10 dataset: 10개 클래스 중 1개에 해당하는 정수로 레이블이 지정된 60,000개의 작은 32 × 32 컬러(RGB) 이미지로 구성 비행기(0), 자동차(1), 새(2), 고양이(3), 사슴(4), 개(5), 개구리(6), 말(7), 배(8), 트럭(9) import numpy as np import matplotlib.pyplot as plt from torchvision import datasets from torchvision import transforms data_path='/~/pytorch/' cifar=datasets.CIFAR10(data_path, train=True, download=True) cifar_val=datasets.CIFAR10(data_path, train=False, download=True) datastes.CIFAR10() 함수에 제공하는 첫 번째 인수는 데이터를 다운로드할 위치입니다. 두 번째는 훈련 세트 또는 검증 세트에 관심이 있는지 여부를 지정합니다. 세 번째는 첫 번째 인수에 지정된 위치에서 데이터를 찾을 수 없는 경우 PyTorch가 데이터를 다운로드하도록 허용할지 여부를 나타냅니다. CIFAR10과 마찬가지로 데이터 세트 하위 모듈은 MNIST, Fashion-MNIST, CIFAR-100, SVHN, Coco 및 Omniglot과 같은 가장 인기 있는 컴퓨터 비전 데이터 세트에 대한 사전 준비된 액세스를 제공합니다. 각 경우에 데이터세트는 torch.utils.data.Dataset 의 하