머신러닝 처음 시작하기(인프런) - 05강 선형 회귀 모델 구현 / colab 설명

https://www.inflearn.com/course/%EB%A8%B8%EC%8B%A0%EB%9F%AC%EB%8B%9D-%EC%B2%98%EC%9D%8C-%EC%8B%9C%EC%9E%91%ED%95%98%EA%B8%B0/dashboard

머신러닝 처음 시작하기 (기초 원리 + 초급 실습) - 인프런 | 강의

05강 선형 회귀 모델 구현 / colab 설명

google colaboratory = colab

런타임 > 런타임 유형 > 하드웨어 가속기 - GPU 선택 가능

 

지난 시간 코드 복습

import numpy as np
data = [1,2,3,5]
arr = np.array(data)
arr.shape #(4,)
arr.dtype #dtype('int64')
np.zeros((10,2)) # 모두 0으로 채워진 10행 2열짜리 array 출력

import pandas as pd
import matplotlib.pyplot as plt
a = np.array([5,10,15,20])
b = np.array([15,20,34,50])
result = pd.DataFrame({
    "a" : a,
    "b" : b
})
result # a와 b에 관한 표 출력
plt.plot(a,b,'*') # * 을 점으로 한 그래프 출력

 

선형회귀모델구현

height = np.array([183, 150, 180, 197, 160, 175])
height = height.reshape(-1,1) #2차원 값이 들어가야 하기 때문에?... 설명 빈약...
math = np.array([85, 45, 80, 99, 45, 75])
from sklearn.linear_model import LinearRegression #선형회귀모델
line_fitter = LinearRegression()
line_fitter(height, math)
#fit()함수 : line_fitter.coef_ : slope(기울기) 저장
#            line_fitter.intercept_ : 절편을 저장
score_predict = linke_fitter.predict(height)
plt.plot(height, math, 'x')
plt.plot(height, score_predict)
plt.show() # 선형회귀모델 그래프 출력

line_fitter.coef_ #array([1.27957242]) 기울기
line_fitter.intercept_ #-151.35886291554093

#모델 성능 평가 - MSE
from sklearn.metrics import mean_squared_error
print("Mean_Squared_Error :", mean_squared_error(score_predict, math))
#Mean_Squared_Error : 17.406045655663863

#RMSE = root mean squared error
print("RMSE :", mean_sqaured_error(score_predict, math)**0.5)
#RMSE : 4.172055327493137
print('score: ', line_fitter.score(height, math))
#score: 0.9569778480189565

plt.show() 결과

 

• reshape: 파이썬 NumPy 에서 배열의 차원(Dimension)을 재구조화, 변경하고자 할 때 reshape() 메소드를 사용
• 총 12개의 원소가 들어있는 배열 x에 대해서 x.reshape(-1, 정수) 를 해주면 '열(column)' 차원의 '정수'에 따라서 12개의 원소가 빠짐없이 배치될 수 있도록 '-1'이 들어가 있는 '행(row)' 의 개수가 가변적으로 정해짐을 알 수 있습니다.

      출처: https://rfriend.tistory.com/345 [R, Python 분석과 프로그래밍의 친구 (by R Friend)]