전체 글 (95) 썸네일형 리스트형 Chapter08.Times Series 쇼핑몰 매출 예측 (Times Series) 파이썬을 활용한 이커머스 데이터분석_강의를 듣고 따라했던 코딩과 요점을 정리하였다. 출처: fast campus Chapter.08 쇼핑몰 매출 예측 (Times Series)¶분석의 목적¶ 시간 관련 데이터 다양하게 조작하기 fbprophet을 통한 시계열 예측 AutoRegressive 알고리즘을 통한 예측 1. 시간 관련 데이터 다양하게 조작하기¶ In [1]: import pandas as pd import numpy as np In [2]: from datetime import datetime, timedelta In [3]: today =datetime.now() In [4]: today Out[4]: datetime.datetime(2021, 7, 8, 8, 49, 6, 223234) In .. Python, Crontab 의 활용의 예 [data 수집] Python, Crontab 의 활용의 예 [data 수집]¶ Dart 재무재표 수집¶ 파이썬 안에서 또, 파이썬 파일을 만들어 이를 스크립트로 실행 하는 구조¶ 이렇게 했을때의 장점으로는, 메모리에 과부하가 걸리는 현상을 사전에 막을 수 있다. 1. main.py¶os.system()으로 커맨드에서 python을 실행 시킨다. 그 다음 for loop안에 각각의 python코드가 실행하는 방법이다. In [ ]: import os import time import pandas as pd In [ ]: date_list_start = ["20210101", "20210401"] date_list_end = ["20210331", "20210615"] apikey = [ "google api key", #.. Chapter.07 고객 분류 (Kmeans) 파이썬을 활용한 이커머스 데이터분석_강의를 듣고 따라했던 코딩과 요점을 정리하였다. 출처: fast campus Chapter.07 고객 분류 (Kmeans)¶분석의 목적¶ Kmeans Clustering을 활용하여, 데이터 기반의 고객 Segment 분류 쇼핑몰 고객 데이터 배우기 앞서, 예제를 다뤄본다. kmeans에서 y값은 없는 값이지만 이 예제에서는 y를 넣어서 학습해본다. In [1]: import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns In [2]: from sklearn.datasets import make_blobs In [3]: make_blobs(n_samples = 20.. Chapter.06 프로모션 효율 예측 (Random Forest) 파이썬을 활용한 이커머스 데이터분석_강의를 듣고 따라했던 코딩과 요점을 정리하였다. 출처: fast campus Chapter.06 프로모션 효율 예측 (Random Forest)¶분석의 목적¶ Random Forest 를 이용하여, 프로모션에 반응할 고객을 예측 고객 데이터와 거래 데이터를 통합 활용 In [1]: import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns In [2]: mem = pd.read_csv('./data/member.csv') tran = pd.read_csv('./data/transaction.csv') In [3]: mem.head(5).. Chapter05.구매 요인 분석(Dicision Tree) 파이썬을 활용한 이커머스 데이터분석_강의를 듣고 따라했던 코딩과 요점을 정리하였다. 출처: fast campus Chapter.05 구매 요인 분석 (Dicision Tree)¶분석의 목적¶디시젼 트리 모델을 통하여 온라인 경매 아이템 판매여부를 예측하고 각 변수의 영향도를 확인 Binary Classification에 속함. 데이터는 온라인 경매 사이트 아이템은 갤럭시 휴대폰: 어떠한 특성을 가진 휴대폰이 잘 팔리는지? 새로운 아이템이 얼마나 잘 팔릴지 예측, 그리고 더 나아가서 어떠한 변수들이 판매에 영향을 미치나 살펴볼 것이다. In [1]: import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as.. Chapter04.KNN 파이썬을 활용한 이커머스 데이터분석_강의를 듣고 따라했던 코딩과 요점을 정리하였다. 출처: fast campus Chapter04. 고객 이탈 예측 (KNN)¶분석의 목적¶KNN 알고리즘으로 고객 이탈(Customer Churn)을 예측 Binary Classification : 'Yer' or 'No' 를 예측 이번에는 이동통신사 데이터를 다룰 것이다. In [105]: import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns In [106]: data = pd.read_csv('./data/churn.csv') In [107]: data Out[107]: customerID ge.. Chapter03. 광고 반응률 예측 (Logistic Regression) 파이썬을 활용한 이커머스 데이터분석_강의를 듣고 따라했던 코딩과 요점을 정리하였다. 출처: fast campus Chapter03. 광고 반응률 예측 (Logistic Regression)¶분석의 목적¶Logistic Regression 은 Linear Regression을 기반으로 만들어진 모델인데, 차이점이 있다면 Linear Regression 은 (연간 지출액 등..) 연속된 숫자의 어딘가를 예측하는 알고리즘 Logistic Regression 은 Yes or No 두가지 중 어디에 속하는지, 이진분류를예측하는 머신러닝 알고리즘이다. 우리가 다를 데이터는 광고관련 데이터이며, y 값은 이 광고를 클릭을 했는지 안했는지 / input 데이터는 성별,나이 등등을 이용할 것이다. 데이터 불러오기¶ In.. Chapter02. 고객별 연간 지출액 예측 (Linear Regression) 파이썬을 활용한 이커머스 데이터분석_강의를 듣고 따라했던 코딩과 요점을 정리하였다. 출처: fast campus In [1]: import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns In [2]: data = pd.read_csv('./data/ecommerce.csv') In [3]: data Out[3]: Email Address Avatar Avg. Session Length Time on App Time on Website Length of Membership Yearly Amount Spent 0 mstephenson@fernandez.com 835 Frank Tunnel.. 이전 1 2 3 4 5 ··· 12 다음