Merge pull request #82 from CSID-DGU/develop

Develop to Main

.github/ISSUE_TEMPLATE/-issue-생성-템플릿.md

@@ -0,0 +1,20 @@
+---
+name: "\bIssue 생성 템플릿"
+about: 해당 Issue 생성 템플릿을 통하여 Issue를 생성해주세요.
+title: 'ex) 깃모지 [feat] : Issue 제목'
+labels: ''
+assignees: ''
+
+---
+
+### 📝 Description
+
+- 구현할 내용 1
+- 구현할 내용 2
+
+---
+
+### 📝 Todo
+
+- [ ] 구현할 내용 1
+- [ ] 구현할 내용 2

.github/pull_request_template.md

@@ -0,0 +1,37 @@
+## ✅ PR 유형
+어떤 변경 사항이 있었나요?
+
+- [ ] 새로운 기능 추가
+- [ ] 버그 수정
+- [ ] 코드에 영향을 주지 않는 변경사항(오타 수정, 탭 사이즈 변경, 변수명 변경)
+- [ ] 코드 리팩토링
+- [ ] 주석 추가 및 수정
+- [ ] 문서 수정
+- [ ] 빌드 부분 혹은 패키지 매니저 수정
+- [ ] 파일 혹은 폴더명 수정
+- [ ] 파일 혹은 폴더 삭제
+
+---
+
+## 📝 작업 내용
+이번 PR에서 작업한 내용을 간략히 설명해주세요(이미지 첨부 가능)
+
+- 작업한 내용 1
+- 작업한 내용 2
+
+---
+
+## ✏️ 관련 이슈
+본인이 작업한 내용이 어떤 Issue Number와 관련이 있는지만 작성해주세요
+
+ex)
+- Fixes : #00 (수정중인 이슈)
+- Resolves : #100 (무슨 이슈를 해결했는지)
+- Ref : #00 #01 (참고할 이슈)
+- Related to : #00 #01 (해당 커밋과 관려)
+
+---
+
+## 🎸 기타 사항 or 추가 코멘트
+
+

.github/workflows/backend.yml

@@ -0,0 +1,58 @@
+name: owl CI/CD with Gradle
+
+on:
+  push:
+    branches: [ "main", "develop" ]
+    paths:
+      - 'backend/**'
+  pull_request:
+    branches: [ "main", "develop" ]
+    paths:
+      - 'backend/**'
+
+permissions:
+  contents: read
+
+jobs:
+  build:
+
+    runs-on: ubuntu-latest
+
+    steps:
+      - name: 🦉 Checkout code
+        uses: actions/checkout@v3
+
+      - name: 🦉 Set up JDK 17
+        uses: actions/setup-java@v3
+        with:
+          java-version: '17'
+          distribution: 'temurin'
+
+      - name: 🦉 Gradle Caching - 빌드 시간 향상
+        uses: actions/cache@v3
+        with:
+          path: |
+            ~/.gradle/caches
+            ~/.gradle/wrapper
+          key: ${{ runner.os }}-gradle-${{ hashFiles('**/*.gradle*', '**/gradle-wrapper.properties') }}
+          restore-keys: |
+            ${{ runner.os }}-gradle-
+
+      - name: 🦉 gradle build를 위한 권한을 부여합니다.
+        run: chmod +x backend/gradlew
+
+      - name: 🦉 gradle build 중입니다.
+        run: |
+          cd backend
+          ./gradlew build -x test --stacktrace
+
+      - name: 🦉 Docker Hub에 로그인 후, docker image build 후 Docker Hub에 push합니다.
+        env:
+          DOCKERHUB_USERNAME: ${{ secrets.DOCKERHUB_USERNAME }}
+          DOCKERHUB_PASSWORD: ${{ secrets.DOCKERHUB_PASSWORD }}
+          DOCKERHUB_REPOSITORY: ${{ secrets.DOCKERHUB_REPOSITORY }}
+        run: |
+          cd backend
+          sudo docker login -u $DOCKERHUB_USERNAME -p $DOCKERHUB_PASSWORD
+          sudo docker build -t $DOCKERHUB_USERNAME/$DOCKERHUB_REPOSITORY:latest .
+          sudo docker push $DOCKERHUB_USERNAME/$DOCKERHUB_REPOSITORY:latest

.gitignore

@@ -0,0 +1,63 @@
+HELP.md
+.gradle
+build/
+!gradle/wrapper/gradle-wrapper.jar
+!**/src/main/**/build/
+!**/src/test/**/build/
+
+### STS ###
+.apt_generated
+.classpath
+.factorypath
+.project
+.settings
+.springBeans
+.sts4-cache
+bin/
+!**/src/main/**/bin/
+!**/src/test/**/bin/
+
+### IntelliJ IDEA ###
+.idea
+*.iws
+*.iml
+*.ipr
+out/
+!**/src/main/**/out/
+!**/src/test/**/out/
+
+### NetBeans ###
+/nbproject/private/
+/nbbuild/
+/dist/
+/nbdist/
+/.nb-gradle/
+
+### VS Code ###
+.vscode/
+
+frontend/node_modules
+
+# Logs
+logs
+*.log
+npm-debug.log*
+yarn-debug.log*
+yarn-error.log*
+pnpm-debug.log*
+lerna-debug.log*
+
+dist
+dist-ssr
+*.local
+
+# Editor directories and files
+.vscode/*
+!.vscode/extensions.json
+.idea
+.DS_Store
+*.suo
+*.ntvs*
+*.njsproj
+*.sln
+*.sw?

AI/price_prediction/SVM_LR.py

@@ -0,0 +1,115 @@
+import pyupbit
+import pandas as pd
+import datetime
+from sklearn.preprocessing import MinMaxScaler ,RobustScaler
+import numpy as np
+import math
+import os
+import tensorflow as tf
+from sklearn.metrics import mean_squared_error
+
+# API 키 설정 (보안 주의)
+access_key = "3rCnY46Xw4Mx9q2tVrWGpzUPBtAjim82ZMn508Bd"
+secret_key = "R1t5gFoPNZNTXaBlWHbdx85hPPvdhvSSZx2Y9uA7"
+
+# 데이터 수집 기간 설정
+start_date = datetime.datetime(2018, 1, 1)
+time_now = datetime.datetime.now()
+days_count = (time_now - start_date).days
+
+# 업비트에서 데이터 수집
+df = pyupbit.get_ohlcv("KRW-BTC", interval='day', count=days_count)
+
+# 날짜를 열로 변환하고 필요한 열만 유지
+df['date'] = df.index.strftime('%Y-%m-%d')
+df = df[['date', 'close', 'volume']]
+
+# 데이터 스케일링
+scaler = MinMaxScaler()
+# scaler = RobustScaler()
+df[['close', 'volume']] = scaler.fit_transform(df[['close', 'volume']])
+# print("data_scaling 결과")
+# print(df.head())
+
+
+# 데이터셋 함수 정의
+def Dataset(Data, split_ratio):
+    total_rows = len(Data)
+    train_end_idx = int(total_rows * split_ratio)
+
+    Data['date'] = pd.to_datetime(Data['date'])
+
+    Train_Data = Data[['close', 'volume']].iloc[:train_end_idx].to_numpy()
+    Test_Data = Data[['close', 'volume']].iloc[train_end_idx:].to_numpy()
+
+    Data_Train = []
+    for i in range(0, len(Train_Data) - 4, 5):
+        Data_Train.append(Train_Data[i:i + 5])
+    Data_Train_X = np.array(Data_Train[:-1]).reshape((-1, 5 * 2))
+    Data_Train_Y = np.array([sequence[:, 0] for sequence in Data_Train[1:]]).reshape(-1)  # 1차원으로 변경
+
+    Data_Test = []
+    for i in range(0, len(Test_Data) - 4, 5):
+        Data_Test.append(Test_Data[i:i + 5])
+    Data_Test_X = np.array(Data_Test[:-1]).reshape((-1, 5 * 2))
+    Data_Test_Y = np.array([sequence[:, 0] for sequence in Data_Test[1:]]).reshape(-1)  # 1차원으로 변경
+
+    return Data_Train_X, Data_Train_Y, Data_Test_X, Data_Test_Y
+
+
+# 데이터셋을 train과 test로 분할
+train_test_split_ratio = 0.9
+train_x, train_y, test_x, test_y = Dataset(df, train_test_split_ratio)
+
+
+############################## SVM 모델 정의 ###########################################
+from sklearn.svm import SVR
+
+from sklearn.svm import SVR
+
+# SVM 모델 정의 및 훈련
+svm_model = SVR(kernel='rbf', C=100, gamma=0.1, epsilon=0.1)
+svm_model.fit(train_x, train_y)
+
+# 예측 수행
+svm_predictions = svm_model.predict(test_x)
+
+# 스케일 원복
+pred_df = pd.DataFrame(np.zeros((len(svm_predictions), 2)), columns=["close", "volume"])
+pred_df['close'] = svm_predictions  # 예측 결과를 설정
+prediction_scaled = scaler.inverse_transform(pred_df)[:, 0]
+
+############################# linear regression 모델 정의 ################################
+from sklearn.linear_model import LinearRegression
+
+# 선형 회귀 모델 정의 및 훈련
+lr_model = LinearRegression()
+lr_model.fit(train_x, train_y)
+
+# 예측 수행
+lr_predictions = lr_model.predict(test_x)
+
+# 스케일 원복
+pred_df['close'] = lr_predictions  # 예측 결과를 설정
+lr_prediction_scaled = scaler.inverse_transform(pred_df)[:, 0]
+
+# 실제 값 스케일 원복
+df_original = pyupbit.get_ohlcv("KRW-BTC", interval='day', count=days_count)
+df_original['date'] = df_original.index.strftime('%Y-%m-%d')
+actual_values = df_original['close'][df['date'] >= '2023-10-27'][:-6].to_numpy()
+
+# SVM 예측 오차 계산
+svm_actual_values = actual_values[:len(prediction_scaled)]
+svm_mse = mean_squared_error(svm_actual_values, prediction_scaled)
+svm_rmse = math.sqrt(svm_mse)
+print(f"SVM Mean Squared Error: {svm_mse}")
+print(f"SVM Root Mean Squared Error: {svm_rmse}")
+
+# 선형 회귀 예측 오차 계산
+lr_actual_values = actual_values[:len(lr_prediction_scaled)]
+lr_mse = mean_squared_error(lr_actual_values, lr_prediction_scaled)
+lr_rmse = math.sqrt(lr_mse)
+print(f"Linear Regression Mean Squared Error: {lr_mse}")
+print(f"Linear Regression Root Mean Squared Error: {lr_rmse}")
+
+