Regression 1) .coef_ , .intercept_ , .predict( )

 

앞서 데이터프로세싱이 완료 됐다면

Regression은 이제 시작이다

 

 

 

 

 

from sklearn.linear_model import LinearRegression

 

regressor = LinearRegression()

 

 

 

 

 

 

 

 

regressor.fit(X_train, y_train)

 

fit은 인공 지능을 학습 시키는것이다

 

X와 Y의 훈련용 데이터를 입력하여 학습을 시킬 수 있다

 

 

 

regressor.coef_

 

array([9504.98248109])

 

 

regressor.intercept_

 

25375.305271282858

 

 

coef 는 기울기

intercept 는 절편  이라는 뜻이며

 

 

일차함수의 공식은

y = ax + b로 알려지는데

a가 coef

b가 intercept다

즉,

 

y =9504.98248109x + 25375.305271282858

 

이라는 예측값의 공식을 컴퓨터가 찾아냈으며

 

저 공식을  X에 대입한다면 y 를 찾아낼 수 있다는 의미다

 

 

 

학습이 끝나면 이 인공지능이 얼마나 똑똑한지 테스트를 해봐야 한다
따라서 테스트용 데이터인 X_test로 테스트한다
그리고 그 예측값과 y_test와 대조해보자

 

 

 

y_pred = regressor.predict(X_test)

 

 

예측하다 라는 뜻을 가진 predict(  )를 사용하여

파라미터 안에 X_test로 테스트를 하고

그 결과를 y_pred라는 이름으로 저장하자

 

 

 

Regression 2) Error, MSE, RMSE