さくら VPS 相関係数予測
さくら VPS 相関係数豪ドル/円予測
相関係数予測に関しては
Windows11 WSL2 Ubuntu Python パッケージ
～
相関係数予測精度向上ファイル動作確認
のなかでいろいろ動作させてきました。
ここでは、さくら VPS で 相関係数豪ドル/円予測
が動作するようにしていきます。
一言で言うと
相関係数予測精度向上ファイルまとめ
のなかで作成した
相関係数予測精度向上ファイル dsc-6.py
がさくら VPS の中で動作すれば良いだけなのですが、これがなかなかうまく行きません。
scikit-learn インストール準備
相関係数予測精度向上ファイル dsc-6.py では scikit-learn ライブラリを使用しています。
さくら VPS には scikit-learn は入っていませんのでこれをインストールします。
update サブコマンドを使って Ubuntu 22.04 LTS の最新のパッケージ情報を再取得します。
さくら VPS のシリアルコンソ－ルから Terminal を開き、
yamada@********:~$ sudo apt update
dist-upgrade サブコマンドを使って Ubuntu のパッケージを更新
yamada@********:~$ sudo apt dist-upgrade
sudo apt upgrade という似たコマンドもありますが、そちらはパッケージを最新に更新するのみです。
dist-upgrade はパッケージを最新に更新、不要なパッケージの削除、カーネルの更新もしてくれます。
次に autoremove サブコマンドを使って Ubuntu の依存関係で必要なくなったパッケージを削除します。
yamada@********:~$ sudo apt autoremove
これで準備完了です。
scikit-learn インストール
まずは pip3 をあらかじめインスト－ルしておく必要があります。
まだの方は、
さくら VPS のシリアルコンソ－ルから Terminal を開き、
yamada@********:~$
sudo apt install python3-pip
Enter を押してインスト－ルを開始します。
しばらく黙りこくってからコメントが次々と出てきます。
途中インスト－ルの確認メッセ－ジが出ますので ｙ を入力します。
時間がかかってインスト－ルが完了します。
$ which pip3
でインスト-ルを確認すると
/usr/bin/pip3
に入ったことがわかります。
これまで各 Python ライブラリはルート領域に入れていたのですが、最近は警告が出るようになりましたので、
今回はユーザディレクトリーにインストールします。
さくら VPS のシリアルコンソ－ルを開き、
yamada@********:~$
pip3 install scikit-learn
とします。
Enter を押してインスト－ルを開始します。
しばらく黙りこくってからコメントが次々と出てきます。
インスト－ル結果を見ます。
$ pip3 list
でインスト－ルを確認すると
scikit-learn 1.3.0
がインストールされました。
どこにインストールされたか見てみましょう。
$ pip3 show scikit-learn
[結果]
Name: scikit-learn Version: 1.3.0 Summary: A set of python modules for machine learning and data mining Home-page: http://scikit-learn.org Author: Author-email: License: new BSD Location: /home/yamada/.local/lib/python3.10/site-packages Requires: joblib, numpy, scipy, threadpoolctl Required-by:
となり
/home/yamada/.local/lib/python3.10/site-packages
にインストールされたことが分かります。
データ準備
相関係数予測に使用するデータを準備します。
相関係数予測精度向上ファイルまとめ
のなかで作成した
相関係数予測精度向上ファイル dsc-6.py
で使用した大容量のデータは mane_chart_go_long.csv でした。
これは 2004/6/10日以降のデータですがちょっと古いものなので、最新のものに更新する必要があります。
最新の100日分のデータは
/home/yamada/public_html/manep/mane_chart_go.csv
ファイルに存在します。
どのようにして入手しているかについては
Selenium Web 自動操作動作停止
～
マネパ CSV ダウンロードファイル作成
を参照してください。
よって大容量データ mane_chart_go_long.csv を最新版にするためにはこれに mane_chart_go.csv をマージする必要があります。
結合方法につては
pandas を使う
データ結合ファイル動作確認
で説明していますので参照してください。
ここで作成した pand-mg.py をさくら VPS で使用する相関係数予測に使用するデータを作成するファイル pand-mg-1.py に変更します。
以下に変更したファイル内容を示します。
修正した部分は赤字にしています。
# coding: utf-8 import pandas as pd # 古い大容量データ取込み xl_df1 = pd.read_csv("public_html/manep-w/mane_chart_go_long.csv", encoding="cp932") print(xl_df1) # 新小容量データ取込み xl_df2 = pd.read_csv("public_html/manep/mane_chart_go.csv", encoding="cp932") print(xl_df2) # データを結合する xl_df12 = pd.concat([xl_df1, xl_df2]) # データの一覧 print(xl_df12) # 重複データ削除 xl_df13 = xl_df12.drop_duplicates(keep='first', ignore_index=True) print(xl_df13) Close = xl_df13["終値(売り)"].values Idx = xl_df13.index print(Idx) print(Close) # CSVファイルに書込・保存 # ヘッダーもインデックスも含めて出力。 xl_df13.to_csv('public_html/manep-w/mane_chart_go_long.csv', quoting=1, index=False, encoding='cp932') # yamada@yama:~$ python3 public_html/pand-mg-1.py
上記ファイルを windows 側で作成します。
上記内容をすべてをコピ－し、Python ファイルを作成します。
自分の PC Windows で TeraPad 等を使用して作成できたらファイル名を pand-mg-1.py として保存します。
文字コ－ドは、UTF-8N
BOM なし
改行コ－ドは、LF
です。
保存先はホスト Wimdows OS の 共有フォルダ c:\vb_public_html にしました。
このファイルはユ－ザ－ディレクトリ
/home/yamada/public_html
に SFTP でアップロ－ドします。
やり方がよく分からない方は
ユ－ザ－ごとの公開ディレクトリを用意する
の｢SFTP でファイル アップロード｣
を読んでください。
ここまでで、相関係数予測に使用するデータ準備ファイルが作成できました。
引き続き、このファイルの動作確認をしていきます。