[python] 경기도 아파트 실거래 데이터로 경사하강법 학습하기

 

다음은 코드입니다.

import requests, json

def get_trade_log_list(pSize):
    apikey = '6XXXXXXXXXXXXXXXXXXXXXXXXXXXXXX7'
    url = 'https://openapi.gg.go.kr/Apttradedelngdetail'
    params ={
    'KEY' : apikey,
    'type':'json',
    'pSize':pSize,
    }

    response = requests.get(url, params=params)
    trade_log_list = response.json()
    trade_log_list = trade_log_list['Apttradedelngdetail']
    trade_log_list = trade_log_list[1]['row']
    #print(json.dumps(trade_log_list, indent=4, ensure_ascii=False))

    DELNG_AMT_list = []
    PRVTUSE_AR_list = []
    for trade_log in trade_log_list:
        DELNG_AMT_list.append(trade_log['DELNG_AMT'])       # 거래금액(만원)
        PRVTUSE_AR_list.append(trade_log['PRVTUSE_AR'])     # 전용면적(㎡)

    return PRVTUSE_AR_list, DELNG_AMT_list

# 10건의 전용면적리스트와 거래금액리스트를 가져오기
PRVTUSE_AR_list, DELNG_AMT_list = get_trade_log_list(10)

print("전용면적리스트")
print(PRVTUSE_AR_list)
print("전용면적리스트")
print(DELNG_AMT_list)

def normalize_minmax(input_list):
    result_list = []

    for value in input_list:
        result_list.append((value - min(input_list)) / (max(input_list) - min(input_list)))
    
    return result_list

import numpy as np
import matplotlib.pyplot as plt

def prediction(theta_0, theta_1, x):
    """주어진 학습 데이터 벡터 x에 대해서 모든 예측 값을 벡터로 리턴하는 함수"""
    return theta_1 * x + theta_0

def prediction_difference(theta_0, theta_1, x, y):
    """모든 예측 값들과 목표 변수들의 오차를 벡터로 리턴해주는 함수"""
    return prediction(theta_0, theta_1, x) - y

def gradient_descent(theta_0, theta_1, x, y, iterations, alpha):
    m = len(x)
    cost_list = []
    """주어진 theta_0, theta_1 변수들을 경사 하강를 하면서 업데이트 해주는 함수"""
    for i in range(iterations):  # 정해진 번만큼 경사 하강을 한다
        error = prediction_difference(theta_0, theta_1, x, y)  # 예측값들과 입력 변수들의 오차를 계산

        cost_list.append(error@error / (2*m))

        theta_0 = theta_0 - alpha * error.mean()
        theta_1 = theta_1 - alpha * ((error*x).mean())
        plt.scatter(PRVTUSE_AR_list, DELNG_AMT_list)
        plt.plot(PRVTUSE_AR_list, prediction(theta_0, theta_1, x), 'ro-')
        plt.title("iteration " + str(i))
        if i == 0:
            plt.pause(5)
        plt.pause(0.00001)
        plt.clf()
    return theta_0, theta_1, cost_list

# 입력 변수(집 크기) 초기화 (모든 집 평수 데이터를 1/10 크기로 줄임)
PRVTUSE_AR_list = normalize_minmax(PRVTUSE_AR_list)
PRVTUSE_AR_list = np.array(PRVTUSE_AR_list)

# 목표 변수(집 가격) 초기화 (모든 집 값 데이터를 1/10 크기로 줄임)
DELNG_AMT_list = normalize_minmax(DELNG_AMT_list)
DELNG_AMT_list = np.array(DELNG_AMT_list)

# theta 값들 초기화 (아무 값이나 시작함)
theta_0 = 0#2.5
theta_1 = 0

# 학습률 1.0으로 100번 경사 하강
theta_0, theta_1, cost_list = gradient_descent(theta_0, theta_1, PRVTUSE_AR_list, DELNG_AMT_list, 100, 1.0)

plt.show()

 

다음은 실행결과로 그려지는 그래프영상입니다.

 

이상과 같이 10건의 데이터로 간단한 경사하강법 모델구축을 실행해보았습니다.