蒲田さんの引継ぎ
をテンプレートにして作成
[
トップ
] [
新規
|
一覧
|
検索
|
最終更新
|
ヘルプ
]
開始行:
[[引き継ぎ(中島)]]
目次
#contents
----
*目標 [#oc8698fa]
・財務系のデータを増やした分析の実施
*用いたプログラムとデータ [#ude0e1ea]
#ref(flask (1).zip,,flask (1).zip)
#ref(data1-20240222T042151Z-001.zip,,data1-20240222T04215...
#ref(scraping2.ipynb,,scraping2.ipynb)
*データの収集 [#m903716d]
scraping2.ipynbで行う.~
スクレイピングを行い,日本銀行時系列統計データ検索サイトか...
service = Service(executable_path='C:/Users/tn011/Deskt...
chromedriverのパスを自分のものに置き換える.
flask(1)のflaskの中にdriverというフォルダを作成して,その...
#ref(0229_22.png,,70%)
下はそのコードの一部.
#ref(0229_1.png,,50%)
上のコードを実行すると,日本銀行時系列統計データ検索サイト...
#ref(0229_24.png,,50%)
#ref(0229_25.png,,50%)
#ref(0229_26.png,,50%)
#ref(0229_2.png,,50%)
*集めたデータの変換 [#k0530739]
data1-20240222T042151Z-001.zipの中にあるdata_fusion.ipynd...
まず始めに,スクレイピングしてダウンロードしたcsvファイル...
#ref(0229_23.png,,50%)
①&br; 元々あるデータにスクレイピングして得た財政のデータ...
#ref(0229_4.png,,50%)
②&br; データの中にある欠損値NANを消すために欠損値NANを含...
#ref(0229_5.png,,50%)
下の写真は欠損値が除去されたdf_monthです.
#ref(0229_9.png,,70%)
③&br; そして次に月足のデータを日足のデータにする.指定され...
#ref(0229_6.png,,50%)
#ref(0229_7.png,,50%)
④&br; tests.csvからデータを読み取り,df_kabuを作成.'日付'...
#ref(0229_8.png,,50%)
~
*VARLiNGAMの実装 [#hbb7a25c]
flask(1)の中のVARLiNGAMフォルダの中にあるVAR_LiNGAM_True_...
①&br; データ分析,因果探索,可視化のために必要なライブラリ...
#ref(0229_10.png,,50%)
②&br; 集めたデータの変換で最後にできたfusion_data_forVARL...
#ref(0229_11.png,,50%)
③&br; 'MinMaxScaler'オブジェクト('scaler')を作成.'fit_tra...
#ref(0229_12.png,,50%)
④&br; 因果検出を実行するために,VARLiNGAM(ベクトルオートレ...
#ref(0229_13.png,,50%)
⑤&br; 'adjacency_matrices_'プロパティを使用して,VARLiNGAM...
#ref(0229_14.png,,50%)
⑥&br; 'lingam.VARLiNGAM()'を使用してVAR-LiNGAMのモデルイ...
'bootstrap'メソッドを呼び出して,ブートストラップ法により...
'result'には,ブートストラップ法によって得られた因果関係の...
#ref(0229_15.png,,50%)
⑦&br; 一番上のコードは,'get_error_independence_p_values'...
p値は'p_values'に格納され,'print'で表示される.~
~
次のコードでは,objectが返されるので,メソッドで抽出した因...
~
その下のコードでは,効用関数で結果の確認が出来る.'print_ca...
#ref(0229_16.png,,50%)
⑧&br; このコードは,因果探索アルゴリズムによって推定された...
'result.get_directed_acyclic_graph_counts()' は因果探索結...
'n_dags=3' は表示する DAG の数を指定.この場合,上位3つのDA...
'min_casual_effect=0.2'は表示するDAGに含まれる因果関係の...
0.2より大きい因果関係を持つエッジのみ表示される.~
'split_by_casual_effect_sign=True'は因果関係の符号でグラ...
'print_dagc()'は取得したDAGの構造と因果効果の強さを表示.'...
#ref(0229_17.png,,50%)
⑨&br; 'display_max_rows'はDataFrameの表示時に表示される最...
'display_max_columns'はDataFrameの表示時に表示される最大...
次のコードは,因果探索結果から得られた因果効果の情報を表示.~
'result_get_total_casual_effects()'は因果探索結果から全て...
'min_casual_effect=0.01'があるので,0.01より大きい因果効果...
'pd.DataFrame(causal_effects)' は取得した因果効果を DataF...
'df['from']' および' df['to'] 'に対して、'labels 'を用い...
#ref(0229_18.png,,50%)
⑩&br; 'Network'クラスのインスタンスを作成.ここでは,ネット...
csvファイルからデータを読み込み,必要な列('from','to','eff...
ネットワークのノードとエッジを定義.'unique_nodes'は一意な...
'nodes'はノードのリストを作成.各ノードはid,label,titleを...
'edges'はエッジのリストを作成.各エッジはfrom,to,color,lab...
エッジの色は影響が正か負かによって決まる.~
ノードとエッジをJSON形式に変換.~
最後に,HTMLコードを作成.ノードのダブルクリックや選択時の...
#ref(0229_19.png,,50%)
#ref(0229_20.png,,50%)
#ref(0229_21.png,,50%)
⑪&br; VAR-LiNGAMの実装結果
#ref(your_network.png,,50%)
終了行:
[[引き継ぎ(中島)]]
目次
#contents
----
*目標 [#oc8698fa]
・財務系のデータを増やした分析の実施
*用いたプログラムとデータ [#ude0e1ea]
#ref(flask (1).zip,,flask (1).zip)
#ref(data1-20240222T042151Z-001.zip,,data1-20240222T04215...
#ref(scraping2.ipynb,,scraping2.ipynb)
*データの収集 [#m903716d]
scraping2.ipynbで行う.~
スクレイピングを行い,日本銀行時系列統計データ検索サイトか...
service = Service(executable_path='C:/Users/tn011/Deskt...
chromedriverのパスを自分のものに置き換える.
flask(1)のflaskの中にdriverというフォルダを作成して,その...
#ref(0229_22.png,,70%)
下はそのコードの一部.
#ref(0229_1.png,,50%)
上のコードを実行すると,日本銀行時系列統計データ検索サイト...
#ref(0229_24.png,,50%)
#ref(0229_25.png,,50%)
#ref(0229_26.png,,50%)
#ref(0229_2.png,,50%)
*集めたデータの変換 [#k0530739]
data1-20240222T042151Z-001.zipの中にあるdata_fusion.ipynd...
まず始めに,スクレイピングしてダウンロードしたcsvファイル...
#ref(0229_23.png,,50%)
①&br; 元々あるデータにスクレイピングして得た財政のデータ...
#ref(0229_4.png,,50%)
②&br; データの中にある欠損値NANを消すために欠損値NANを含...
#ref(0229_5.png,,50%)
下の写真は欠損値が除去されたdf_monthです.
#ref(0229_9.png,,70%)
③&br; そして次に月足のデータを日足のデータにする.指定され...
#ref(0229_6.png,,50%)
#ref(0229_7.png,,50%)
④&br; tests.csvからデータを読み取り,df_kabuを作成.'日付'...
#ref(0229_8.png,,50%)
~
*VARLiNGAMの実装 [#hbb7a25c]
flask(1)の中のVARLiNGAMフォルダの中にあるVAR_LiNGAM_True_...
①&br; データ分析,因果探索,可視化のために必要なライブラリ...
#ref(0229_10.png,,50%)
②&br; 集めたデータの変換で最後にできたfusion_data_forVARL...
#ref(0229_11.png,,50%)
③&br; 'MinMaxScaler'オブジェクト('scaler')を作成.'fit_tra...
#ref(0229_12.png,,50%)
④&br; 因果検出を実行するために,VARLiNGAM(ベクトルオートレ...
#ref(0229_13.png,,50%)
⑤&br; 'adjacency_matrices_'プロパティを使用して,VARLiNGAM...
#ref(0229_14.png,,50%)
⑥&br; 'lingam.VARLiNGAM()'を使用してVAR-LiNGAMのモデルイ...
'bootstrap'メソッドを呼び出して,ブートストラップ法により...
'result'には,ブートストラップ法によって得られた因果関係の...
#ref(0229_15.png,,50%)
⑦&br; 一番上のコードは,'get_error_independence_p_values'...
p値は'p_values'に格納され,'print'で表示される.~
~
次のコードでは,objectが返されるので,メソッドで抽出した因...
~
その下のコードでは,効用関数で結果の確認が出来る.'print_ca...
#ref(0229_16.png,,50%)
⑧&br; このコードは,因果探索アルゴリズムによって推定された...
'result.get_directed_acyclic_graph_counts()' は因果探索結...
'n_dags=3' は表示する DAG の数を指定.この場合,上位3つのDA...
'min_casual_effect=0.2'は表示するDAGに含まれる因果関係の...
0.2より大きい因果関係を持つエッジのみ表示される.~
'split_by_casual_effect_sign=True'は因果関係の符号でグラ...
'print_dagc()'は取得したDAGの構造と因果効果の強さを表示.'...
#ref(0229_17.png,,50%)
⑨&br; 'display_max_rows'はDataFrameの表示時に表示される最...
'display_max_columns'はDataFrameの表示時に表示される最大...
次のコードは,因果探索結果から得られた因果効果の情報を表示.~
'result_get_total_casual_effects()'は因果探索結果から全て...
'min_casual_effect=0.01'があるので,0.01より大きい因果効果...
'pd.DataFrame(causal_effects)' は取得した因果効果を DataF...
'df['from']' および' df['to'] 'に対して、'labels 'を用い...
#ref(0229_18.png,,50%)
⑩&br; 'Network'クラスのインスタンスを作成.ここでは,ネット...
csvファイルからデータを読み込み,必要な列('from','to','eff...
ネットワークのノードとエッジを定義.'unique_nodes'は一意な...
'nodes'はノードのリストを作成.各ノードはid,label,titleを...
'edges'はエッジのリストを作成.各エッジはfrom,to,color,lab...
エッジの色は影響が正か負かによって決まる.~
ノードとエッジをJSON形式に変換.~
最後に,HTMLコードを作成.ノードのダブルクリックや選択時の...
#ref(0229_19.png,,50%)
#ref(0229_20.png,,50%)
#ref(0229_21.png,,50%)
⑪&br; VAR-LiNGAMの実装結果
#ref(your_network.png,,50%)
ページ名:
![[PukiWiki]](image/pukiwiki.png "[PukiWiki]")
