03-1 k-최근접 이웃 회귀
회귀
: 임의의 수치를 예측하는 문제
ex) 농어의 무게 예측, 경제 성장률 예측, 배달 도착 시간 예측 등
- k-최근접 이웃 회귀 : k-최근접 이웃 알고리즘을 사용해 회귀 문제를 푸는 것
→ 가장 가까운 이웃 샘플을 찾고 이 샘플들의 타깃값을 평균하여 예측함
→ 예측하려는 샘플에서 가장 가까운 샘플 k개 선택(클래스 X, 수치 O)
#훈련 데이터 준비
import numpy as np
#농어의 길이가 특성, 무게가 타깃
perch_length = np.array([8.4, 13.7, 15.0, 16.2, 17.4, 18.0, 18.7, 19.0, 19.6, 20.0, 21.0,
21.0, 21.0, 21.3, 22.0, 22.0, 22.0, 22.0, 22.0, 22.5, 22.5, 22.7,
23.0, 23.5, 24.0, 24.0, 24.6, 25.0, 25.6, 26.5, 27.3, 27.5, 27.5,
27.5, 28.0, 28.7, 30.0, 32.8, 34.5, 35.0, 36.5, 36.0, 37.0, 37.0,
39.0, 39.0, 39.0, 40.0, 40.0, 40.0, 40.0, 42.0, 43.0, 43.0, 43.5,
44.0])
perch_weight = np.array([5.9, 32.0, 40.0, 51.5, 70.0, 100.0, 78.0, 80.0, 85.0, 85.0, 110.0,
115.0, 125.0, 130.0, 120.0, 120.0, 130.0, 135.0, 110.0, 130.0,
150.0, 145.0, 150.0, 170.0, 225.0, 145.0, 188.0, 180.0, 197.0,
218.0, 300.0, 260.0, 265.0, 250.0, 250.0, 300.0, 320.0, 514.0,
556.0, 840.0, 685.0, 700.0, 700.0, 690.0, 900.0, 650.0, 820.0,
850.0, 900.0, 1015.0, 820.0, 1100.0, 1000.0, 1100.0, 1000.0,
1000.0])
#산점도 그리기
import matplotlib.pyplot as plt
plt.scatter(perch_length, perch_weight)
plt.xlabel('length')
plt.ylabel('weight')
plt.show()
#훈련세트,테스트세트 나누기
from sklearn.model_selection import train_test_split
train_input, test_input, train_target, test_target =
train_test_split(perch_length, perch_weight, random_state = 42)
→ 사이킷런에 사용할 훈련 세트는 2차원 배열이어야 함
#배열 재배치
test_array = np.array([1,2,3,4]) #이때 배열의 크기는 (4,)
#(2,2)크기로 바꾸기
test_array = test_array.reshape(2,2)→ 1차원배열을 2차원배열로 나타내기 위해 reshape() 메서드 사용
결정계수(R^2)
: 대표적인 회귀 문제 성능 측정 도구
→ 1의 가까울수록 Good, 0에 가까울수록 Bad
→ 회귀 모델에서 정확도는 결정계수 값으로 평가함
R^2 = 1 - (타깃예측)^2의 합 / (타깃평균)^2의 합
#객체를 생성하고 fit()메서드로 회귀 모델 훈련하기
from sklearn.neighbors import KNeighborsRegressor
knr = KNeighborsRegressor()
knr.fit(train_input, train_target)
#정확도 확인
print(knr.score(test_input, test_target))- KNeighborsRegressor: k-최근접 이웃 회귀 모델을 만드는 사이킷런 클래스
→ n_neighbors 매개변수로 이웃의 개수를 지정(기본값 5)
→ 다른 매개변수는 KNeighborsClassifier 클래스와 거의 동일함
과대적합과 과소적합
- 과대적합 : 모델의 훈련 세트 성능이 데스트 성능보다 훨씬 높을 때 일어남
즉, 훈련세트에서 정확도 Good, 테스트 세트 정확도 점수 Bad
→ 모델이 훈련 세트에 너무 집착해서 데이터에 내재된 거시적인 패턴을 감지 X - 과소적합: 훈련 세트와 테스트 세트 성능이 모두 동일하게 낮거나 테스트 세트 성능이 오히려 높을 때 일어남
즉, 훈련 세트보다 테스트 세트 점수가 높거나 두 점수가 모두 낮은 경우
→ 모델이 너무 단순하여 훈련 세트에 적절히 훈련되지 않음
→ 이런 경우 더 복잡한 모델을 사용해 훈련 세트에 잘 맞는 모델을 만들어야 함
03-2 선형 회귀
: 특성과 타깃 사이의 관계를 가장 잘 나타내는 선형 방정식을 찾음
→ 특성이 하나면 직선 방정식이 됨
- 선형 회귀가 찾은 특성과 타깃 사이의 관계는 선형 방정식의 계수 또는 가중치에 저장됨
- 머신러닝에서 가중치는 방정식의 시울기와 절편을 모두 의미하는 경우가 많음
- 모델파라미터
: 선형 회귀가 찾은 가중치처럼 머신러닝 모델이 특성에서 학습한 파라미터를 말함 - 다항회귀
: 다항식을 사용하여 특성ㄱ과 타깃 사이의 관계를 나타냄
→ 비선형일 수도 있지만 선형 회귀로 표현 가능
