기상 기후 강의 노트

태양광 계산법

https://earthscience.stackexchange.com/questions/14491/how-to-calculate-the-solar-radiation-at-any-place-any-time

[chpark@adis00 em_real]$ ncdump -v Times  in.nc
netcdf out {
dimensions:
        Time = 1 ;
        DateStrLen = 19 ;
        emissions_zdim = 1 ;
        south_north = 319 ;
        west_east = 431 ;
variables:
        char Times(Time, DateStrLen) ;
                Times:Times\:_FillValue = " " ;
        float E_CO2(Time, emissions_zdim, south_north, west_east) ;
                E_CO2:coordinates = "XLONG XLAT" ;
                E_CO2:stagger = " " ;
                E_CO2:units = "mol km^-2 hr^-1" ;
                E_CO2:description = "EMISSIONS" ;
data:

 Times =
  "2016-01-11_00:00:00" ;
}

[chpark@adis00 em_real]$ ncap2 -O -s 'Times(0,:)="2021-05-11_06:00:00"' in.nc out.nc
[chpark@adis00 em_real]$ ncdump -v Times  out.nc
:

:

data:

 Times =
  "2021-05-11_06:00:00" ;
}

https://youtu.be/EMsfBYD_2ig

https://ichi.pro/ko/yeonsog-yeol-nulag-deiteo-cheoli-bangbeob-mich-guhyeon-78086618663363

https://teddylee777.github.io/pandas/pandas-interpolation

학습/테스트 데이터의 스케일 변환시 주의사항

MinMaxScaler 객체의 fit( ) 과 transform( )

이 둘은 2차원 데이터만 가능하므로 reshape(-1, 1)로 차원 변경해야 한다. 

train_array = np.arrange(0, 11).reshape(-1,1)

test_array = np.arrange(0, 6).reshape(-1,1)

fit( ) 의 경우 [0,10] 스케일이 적용됨.

일반적으로 fit_transform( )을 사용하여 학습데이터와 테스트 데이터 스케일을 변환한다. 이는 fit( )과 transform( )을 순차적으로 수행하는 메소드이다. 

학습데이터에서는 상관없지만, 테스트 데이터에서는 fit_transform( )을 절대 사용해서는 안된다. 

따라서, 정확히 사용하려면, 학습과 테스트 데이터를 분리하기 전에 스케일링을 적용하고 분리해야 한다. 

이 주의사항은 차원축소변환, 피쳐벡터화 변화 작업에도 동일하게 적용된다. 

df = dd.reset_index()['Tair']

https://www.youtube.com/watch?v=7PWgx16kH8s 

LSTM 다룰 때 중요한 부분!

에러 

ValueError: Input 0 of layer "sequential" is incompatible with the layer: expected shape=(None, 100, 1), found shape=(None, 21)

원인

LSTM 모델을 사용할 때는, train 차원을 바꾸어야 하는데, 차원 변경을 해 주지 않으면 발생하는 에러

해결

X_train = X_train.reshape(X_train.shape[0], X_train[1], 1) 

명령으로 2차원 데이터를 3차원으로 변경하면 됨. 

코드

ftr_importances_values = model.feature_importances_
ftr_importances = pd.Series(ftr_importances_values)#, index=X_train.columns)
ftr_top20 = ftr_importances.sort_values(ascending=False)[:20]

plt.figure(figsize=(15,6))
sns.barplot(x=ftr_top20, y=ftr_top20.index)
# plt.show()