2022년 12월 15일(머신러닝)

머신러닝에 대해 가볍게 학습했다.

머신러닝 기본개념 정리.

머신러닝을 하기에 앞서,

기존에 사용했던 연비데이터를 가져와서

머신러닝에 필요한 데이터로 전처리과정을 거쳤다.

알고리즘준비(선택)->모형학습(.fit)->예측(.predict)->평가의

순으로 진행된다.

실제데이터와 예측데이터의 

결과를 직관적으로 보기위해

그래프로 시각화하여 나타냈다.

파란색=실제데이터값

주황색=예측데이터값

 

위에서 1차 단항회귀분석을했다면

이번엔 다항회귀분석으로 진행해보았다.

방법은 단항회귀분석과 동일하다.

 

결정계수: 값이 1에가까울수록 성능이좋다고 할수있다.

단! 1을 넘을수는 없다.

결정계수: 1 - 잔차제곱항/실제데이터 총변환량으로 계산해준다.

 

385-387행

데이터를 훈련데이터와 테스트데이터로 분리해준다.

test_size=0.3 -> 훈련:테스트 비율 = 7:3으로 설정

random_state=10 : 시드를 설정해준다.

 

389-391행

알고리즘을 선택하는부분이다.

LinearRegression() : 선형회귀분석을 선택해준다.

 

393-394행

.fit(X_train,Y_train)

fit함수를통해 학습을하도록 설정해준다.

 

396-397행

.predict(X)함수를통해

예측을 하도록 설정한다.

 

399-401행

평가를해주는부분이다.

1에 가까울수록 성능이좋은값이다.

 

403-408행

데이터의 결과를 시각화하여

한눈에 알아보기 쉽게 표현해준다.

 

최대한 이해하기 쉽도록하기위해

단순하게 학습해보았다.

 

x=독립변수

y=종속변수로 설정하였다.

 

알고리즘은 선형회귀분석으로 선택하고

model이라는 변수로 설정해주었다.

 

420-421행

설정된 model.fit(x,y)를 해주어

선형회귀분석을 독립변수와,종속변수를가지고

학습을 하게될것이다.

 

423-425행

result객체에

예측을위해 값을넣었을때

학습을통한 예측값을 출력시켜주게된다.

 

다중회귀분석 또한 마찬가지지만,

다른점이있다면

독립변수가 여러개를 가지고있다.

 

이전까지 해왔던 데이터전처리 방법을

복습하였다.

 

456-459행

컬럼에 불필요한 문자열을 지워주기위해

데이터['컬럼'].str.replace("지울문자열","")

를통해 지울문자열을 공백으로 만들어주었다.

 

461-464행

새로운컬럼을 생성해주는데,

기존컬럼 날짜컬럼에서 

2022-12-15형태에서

년도만 가져와서 새로운컬럼 "년도"에 저장해주엇다.

날짜.str.split('-').str[0]

-를 기준으로 분리해주면

2022,12,15 형태의 데이터가 되는데

그중 0번째 즉 2022 년도의 문자열만

년도컬럼에 추가해주었다.

 

466-468행

"월일"새로운 컬럼에

기존 "날짜"컬러에서 

5번쨰인엑스부터 마지막인덱스까지만 가져온 문자열을 

월일컬럼에 저장해준다.

2022-12-15 형태에서

5번째인덱스는 월의 시작부분.

 

485-487행

데이터.dropna(subset=['컬럼명'],axis=0(행),inplace=True)

해당컬럼의 값이 결측값이있을때

위의 함수로 결측값의 행을 지울수있다.

 

489-501행

위에서 했던 방법과같이,

독립변수와 종속변수를 정하고

년도에따른 최저기온을 학습하여

예상온도를 예측하는 방법이다.

 

503-515행

마찬가지로

년도와 최고기온이 주어졌을때

최저기온을 예측하는 방법이다.