Boston Crime Practice 🦹‍♀️🦹‍♂️

1. 문제 정의

• 보스턴 집값 데이터를 활용해서 집값을 예측해보자
• 회귀문제

**2. 데이터 수집**

from sklearn.datasets import fetch_openml
boston = fetch_openml('boston')
# 분흘색 경고창 = 버전에 따라 다른 코드, 필수 파라미터 누락

boston.keys()

import pandas as pd
X = pd.DataFrame(boston.data, columns = boston.feature_names)
y = pd.DataFrame(boston.target)

# 데이터 확인하기
X.info()

# because itst type r catefgory so need to change to int
X[['CHAS','RAD']] = X [['CHAS','RAD']].astype(int)

**3. 데이터 전저리**

from sklearn.preprocessing import StandardScaler
sds = StandardScaler()
# scaler 학습싴키다
sds.fit(X)
#변환
X_sds = sds.transform(X)

**5. 모델 선택 및 hyper parameter 튜닝**

# train test 나누기
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X_sds,y, random_state =3)

from sklearn.linear_model import LinearRegression
# 수학공식을 이용한 모델, hyper parameter굳이 쓸게 없다
lr = LinearRegression()

**6. 학습**

lr.fit(X_train,y_train)

**7. 예측 및 평가**

from sklearn.model_selection import cross_val_score
cross_val_score(lr, X_train, y_train, cv = 5).mean()