🌼 정답 코드.py
import numpy as np
class LinearRegression(object):
def __init__(self, fit_intercept=True, copy_X=True):
self.fit_intercept = fit_intercept
self.copy_X = copy_X
self._coef = None
self._intercept = None
self._new_X = None
def fit(self, X, y):
self._new_X = np.array(X)
y = y.reshape(-1, 1)
if self.fit_intercept:
intercept_vector = np.ones([len(self._new_X), 1])
self._new_X = np.concatenate((intercept_vector, self._new_X), axis=1)
weights = np.linalg.inv(
self._new_X.T.dot(self._new_X)).dot(self._new_X.T.dot(y)).flatten()
if self.fit_intercept:
self._intercept = weights[0]
self._coef = weights[1:]
else:
self._coef = weights
"""
Linear regression 모델을 적합한다.
Matrix X와 Vector Y가 입력 값으로 들어오면 Normal equation을 활용하여, weight값을
찾는다. 이 때, instance가 생성될 때, fit_intercept 설정에 따라 fit 실행이 달라진다.
fit을 할 때는 입력되는 X의 값은 반드시 새로운 변수(self._new_X)에 저장
된 후 실행되어야 한다.
fit_intercept가 True일 경우:
- Matrix X의 0번째 Column에 값이 1인 column vector를추가한다. (절편값 추가해주는것)
copy x : 머신러닝을 할 때에는 기존의 x값을 복사해놓음
적합이 종료된 후 각 변수의 계수(coefficient 또는 weight값을 의미)는 self._coef와
self._intercept_coef에 저장된다. 이때 self._coef는 numpy array을 각 변수항의
weight값을 저장한 1차원 vector이며, self._intercept_coef는 상수항의 weight를
저장한 scalar(float) 이다.
Parameters
----------
X : numpy array, 2차원 matrix 형태로 [n_samples,n_features] 구조를 가진다
y : numpy array, 1차원 vector 형태로 [n_targets]의 구조를 가진다.
Returns
-------
self : 현재의 인스턴스가 리턴된다
"""
def predict(self, X):
test_X = np.array(X)
if self.fit_intercept:
intercept_vector = np.ones([len(test_X), 1])
test_X = np.concatenate(
(intercept_vector, test_X), axis=1)
weights = np.concatenate(([self._intercept], self._coef), axis=0)
else:
weights = self._coef
return test_X.dot(weights)
"""
적합된 Linear regression 모델을 사용하여 입력된 Matrix X의 예측값을 반환한다.
이 때, 입력된 Matrix X는 별도의 전처리가 없는 상태로 입력되는 걸로 가정한다.
fit_intercept가 True일 경우:
- Matrix X의 0번째 Column에 값이 1인 column vector를추가한다.
normalize가 True일 경우:
- Standard normalization으로 Matrix X의 column 0(상수)를 제외한 모든 값을
정규화을 실행함
- 정규화를 할때는 self._mu_X와 self._std_X 에 있는 값을 사용한다.
Parameters
----------
X : numpy array, 2차원 matrix 형태로 [n_samples,n_features] 구조를 가진다
Returns
-------
y : numpy array, 예측된 값을 1차원 vector 형태로 [n_predicted_targets]의
구조를 가진다.
"""
@property
def coef(self): #w1 - wn 까지의 numpy array 반환
return self._coef
@property
def intercept(self): #w0
return self._intercept📃 테스트 코드.ipynb
깃허브에 올려두었다.
