ML,DL (10) 썸네일형 리스트형 [ML] 선형 회귀 Linear Regression k-최근접 이웃 회귀의 한계 가장 가까운 샘플을 찾아 타깃을 평균하므로 새로운 샘플이 훈련 세트의 범위를 벗어나면 엉뚱한 값을 예측 가능 선형 회귀 비교적 간단하고 성능이 뛰어나기 때문에 널리 사용되는 대표적인 회귀 알고리즘 특성이 하나인 경우 어떤 직선을 학습하는 알고리즘 # 선형 회귀 from sklearn.linear_model import LinearRegression lr = LinearRegression() # 선형 회귀 모델 훈련 lr.fit(X_train, y_train) # 50cm 농어에 대해 예측 lr.predict([[50]]) print(lr.coef_, lr.intercept_) coef_ : 기울기 intercept_ : 절편 학습한 직선 그리기 # 학습한 직선 그리기 plt... [ML] K-최근접 이웃 회귀 k-최근접 이웃 회귀 예측하려는 샘플에 가장 가까운 샘플 k개를 선택 이웃 샘플의 수치를 사용해 새로운 샘플 x의 타깃을 예측 -> 이웃 수치들의 평균을 구해서 예측 Reshape numpy의 reshape() 메소드 : 배열의 크기를 바꿀 수 있음 test_array = test_array.reshape(2,2) : (2,2) 크기로 배열 바꾸기 2차원 배열로 바꾸기 크기에 -1을 지정하면 나머지 원소 개수로 모두 채운다 ex ) 첫 번째 크기를 나머지 원소 개수로 채우고, 두번째 크기를 1로 하려면 train_input.reshape(-1,1) 결정계수(R2) 각 샘플의 타깃과 예측한 값의 차이를 제곱하여 더함, 그다음 타깃과 타깃 평균의 차이를 제곱하여 더한 값으로 나눔 타깃의 평균 정도를 예측하는.. 이전 1 2 다음
