3-2_선형_회귀_황세연.md

🔗 3-2. 선형 회귀 Colab

---

선형 회귀 : 특성이 하나인 경우 어떤 직선을 학습하는 알고리즘, 특성과 타깃 사이의 관계를 잘 나타내는 선형 방정식을 찾음

y = ax + b (a = 기울기, 가중치)

(a, b) = (lr.coef_, lr.intercept_)

모델 파라미터 : 머신러닝 모델이 특성에서 학습한 파라미터

다항 회귀 : y = ax^2 + bx + c

---

실습 설명

선형 회귀

from sklearn.linear_model import LinearRegression

lr = LinearRegression()
lr.fit(train_input, train_target)

# 50cm 농어 예측
print(lr.predict([[50]]))
# 출력 : [1241.83860323]

print(lr.coef_, lr.intercept_)
# 출력 : [39.01714496] -709.0186449535477

# 훈련 세트의 산점도
plt.scatter(train_input, train_target)

# 15에서 50까지 1차 방정식 그래프
plt.plot([15, 50], [15*lr.coef_+lr.intercept_, 50*lr.coef_+lr.intercept_])

# 50cm 농어 데이터
plt.scatter(50, 1241.8, marker='^')
plt.xlabel('length')
plt.ylabel('weight')
plt.show()

다항 회귀

# 값 제곱
train_poly = np.column_stack((train_input ** 2, train_input))
test_poly = np.column_stack((test_input ** 2, test_input))
print(train_poly.shape, test_poly.shape)

# 훈련 및 예측
lr = LinearRegression()
lr.fit(train_poly, train_target)
print(lr.predict([[50**2, 50]]))
# 출력 : [1573.98423528]

# 훈련 계수, 절편
print(lr.coef_, lr.intercept_)
# 출력 : [  1.01433211 -21.55792498] 116.0502107827827

# 구간별 직선을 그리기 위해 15에서 49까지 정수 배열 만들기
point = np.arange(15, 50)

# 훈련 세트의 산점
plt.scatter(train_input, train_target)

# 15에서 49까지 2차 방정식 그래프 그리기
plt.plot(point, 1.01*point**2 - 21.6*point + 116.05)
# 50cm 농어 데이터
plt.scatter([50], [1574], marker='^')
plt.xlabel('length')
plt.ylabel('weight')
plt.show()

---

확인 문제

1. 선형 회귀 모델이 찾은 방정식의 계수를 무엇이라고 부르나요?
   모델 파라미터

   정답

2. 사이킷런에서 다항 회귀 모델을 훈련할 수 있는 클래스는 무엇인가요?
   LinearRegression

   정답