[Kaggle][Learn] Intro to Machine Learning - (7) Machine Learning Competitions : House Prices Competition for Kaggle Learn Users.

House Prices Competition for Kaggle Learn Users
에 직접 제출해보기!

처음부터 끝까지 모든 과정을 다시 진행한다.
그리고, test_dataset으로 실제 예측값을 내본다.

---

kaggle competition에 제출할 예측 결과를 만들자!
이제는 feature를 추가하는 등의 자율적인 개선 사항을 적용해서 모델 성능을 향상시켜 볼 수 있다.

• (사전 작업) set up code checking

  from learntools.core import binder
  binder.bind(globals())
  from learntools.machine_learning.ex7 import *
  
  # Set up filepaths
  import os
  if not os.path.exists("../input/train.csv"):
      os.symlink("../input/home-data-for-ml-course/train.csv", "../input/train.csv")  
      os.symlink("../input/home-data-for-ml-course/test.csv", "../input/test.csv") 

• import libraries

  import pandas as pd
  from sklearn.ensemble import RandomForestRegressor
  from sklearn.metrics import mean_absolute_error
  from sklearn.model_selection import train_test_split

• 데이터셋 분리

  iowa_file_path = '../input/train.csv'
  home_data = pd.read_csv(iowa_file_path)
  y = home_data.SalePrice
  
  # X 만들기 
  features = ['LotArea', 'YearBuilt', '1stFlrSF', '2ndFlrSF', 'FullBath', 'BedroomAbvGr', 'TotRmsAbvGrd']
  
  # features가 될 열들 선택하기
  X = home_data[features]
  X.head()
  
  # validation 과 training data로 분리하기
  train_X, val_X, train_y, val_y = train_test_split(X, y, random_state=1)
  

• 모델 정의 :: Random Forest Model

  rf_model = RandomForestRegressor(random_state=1)
  rf_model.fit(train_X, train_y)
  rf_val_predictions = rf_model.predict(val_X)
  rf_val_mae = mean_absolute_error(rf_val_predictions, val_y)
  
  print("Validation MAE for Random Forest Model: {:,.0f}".format(rf_val_mae))

모델 학습

위에서 쓴 코드는 train_X와 train_y를 학습시키는 랜덤 포레스트 모델이다.

• 모든 X와 y에 대한 모델을 만들자.

  rf_model_on_full_data = RandomForestRegressor(random_state=1)
  
  rf_model_on_full_data.fit(X,y)

• "test" data 파일을 읽어오고, 모델에 적용하여 예측해보자.

  test_data_path = '../input/test.csv'
  test_data = pd.read_csv(test_data_path)
  
  test_X = test_data[features]
  test_preds = rf_model_on_full_data.predict(test_X)

제출 준비 : 예측값으로 csv 파일 만들기

output = pd.DataFrame({'Id': test_data.Id,
                       'SalePrice': test_preds})
output.to_csv('submission.csv', index=False)

---

submit 버튼 누른 후, 버전 이름을 지정하고 제출하면 끝이다!