[Project] 비트코인 가격 예측 모델 - 1

이번 프로젝트는 비트 코인 차트 데이터를 활용하여 값을 예측해보도록 하겠습니다.

개발 언어는 python 3.8을 사용하였으며 자세한 라이브러리는 설명을 따라 참고하시면 되겠습니다.

 

---

1.1 데이터 셋 준비

먼저 핵심인 비트 코인 차트 데이터를 얻어야 합니다.

이번 프로젝트에서 활용하기 편하도록 csv 확장자 형태로 다운받아야 하는데 하단의 링크에서 내려받을 수 있습니다.

https://finance.yahoo.com/quote/BTC-USD/history/

Bitcoin USD (BTC-USD) Price History & Historical Data - Yahoo Finance

해당 링크를 접속하면 위와 같은 화면을 볼 수 있습니다.

먼저

1) 유형이 일일(Daily) 차트인지 확인한 뒤

2) Download 버튼을 통해 데이터 파일을 다운 받습니다.

 

다운로드가 완료되면 해당 파일을 확인할 수 있고 실행시키면 하단과 같은 엑셀 파일이 열립니다.

 

csv 특성상 자릿수가 큰 수나 특정 형식의 숫자표현(ex. 날짜)의 경우 위와 같이 제대로 표시되지 않으나

코드를 실행하는데는 전혀 지장이 없으므로 정상적으로 파일이 다운로드 되었는지만 확인하면 되겠습니다.

 

1.2 라이브러리 설치

a) pandas

엑셀 형태의 데이터를 다루는 이유로 대중적으로 널리 쓰이는 pandas를 사용할 것입니다.

큰 어려움 없이 pip 명령어로 간단하게 다운로드 할 수 있습니다.

pip install pandas

 

b) tensorflow (+gpu)

인공지능 딥 러닝 모델 개발시 아주 유용하게 활용하는 api 입니다.

이번 프로젝트에 활용할 모델은 시계열 데이터에 잘 맞는 순환 신경망 알고리즘, 그 중에서 LSTM 알고리즘을 적용할 계획입니다. 라이브러리 호출 등에 대한 자세한 코드는 소스 코드 페이지에서 다루도록 하겠습니다.

이 역시도 pip 명령어로 간단하게 설치할 수 있습니다.

pip install tensorflow

 

+ 만약 GPU가 있을 경우?

tensorflow를 활용하여 딥 러닝 모델 개발 시 GPU가 있다면 더욱 빠른 속도로 모델 학습을 진행할 수 있습니다.

다만, 약간 귀찮은 프로그램 설치 과정이 필요한데 이에 대한 설명은 하단의 링크를 통해 진행하면 되겠습니다.

https://prlabhotelshoe.tistory.com/23

[CUDA] windows10 CUDA 설치 & tensorflow 연동

 

c) Matplotlib

데이터를 다양한 차트로 생성할 때 유용하게 활용되는 라이브러리 입니다.

이 역시도 간단히 pip 명령어로 설치할 수 있습니다.

pip install matplotlib

---

이상 모델 설계 전 필요한 데이터와 라이브러리 설치를 마무리하며

다음 페이지에서 본격적인 모델 설계 과정을 거치겠습니다.