[Day-51] 머신러닝_ 회귀

chap03. 회귀 알고리즘과 모델규제

📌 3-1. k-최근접 이웃 회귀

1) 지도학습의 두 가지 알고리즘

ㆍ분류

: 몇 개의 클래스 중 하나로 분류하는 문제

ㆍ회귀

: 임의의 어떤 숫자를 예측하는 문제(두 변수 사이의 상관관계를 분석하는 방법)

 - 회귀조건 => 종속변수와 독립변수가 필요함. 최소제곱합

 

2) k-nearest 최근접이웃 두 가지 알고리즘 

ㆍ분류

 => 신규 데이터가 들어왔을 때 가장 가까운 샘플 k개 선택

ㆍ회귀

 => 가까운 이웃 샘플을 찾고 이 샘플들의 타깃값을 평균하여 예측

 => 어떤 클래스를 선택하는 게 아니라 임의의 수치

 

💡  k-최근접이웃 회귀

: 가장 가까운 이웃 샘플을 찾고 이 샘플들의 타깃값을 평균하여 예측으로 삼음
- sklearn.neighbors 패키지의 KNeighborsRegressor 클래스 사용 
- n_neighbors매개변수로 이웃의 개수 지정(기본값 5)
- KNeighborsClassfier 클래스와 거의 동일...

<순서>
① 해당 클래스 임포트
② 데이터 훈련 셋과 테스트 셋으로 나누기 train_test_split
③ sklearn 사용하기 위해 2차 배열로 만들기
(numpy-reshape 활용)( 직접지정할 경우 나중에 귀찮아져 -1, 두번째는 채울값)
④ fit로 훈련
⑤ score 평가
 => 결정계수 R^2 확인
⑥ predict 예측
=> 평균 절댓값 오차 계산 mean_absolute_error
=> 훈련 세트와 테스트 세트의 점수 비교
=> 과소적합/과대적합 문제 해결(n_neighbors 조정)
④, ⑤, ⑥ 반복

 

# 농어의 길이를 가지고 무게를 예측하기

import numpy as np
perch_length = np.array([8.4, 13.7, 15.0, 16.2, 17.4, 18.0, 18.7, 19.0, 19.6, 20.0, 21.0,
       21.0, 21.0, 21.3, 22.0, 22.0, 22.0, 22.0, 22.0, 22.5, 22.5, 22.7,
       23.0, 23.5, 24.0, 24.0, 24.6, 25.0, 25.6, 26.5, 27.3, 27.5, 27.5,
       27.5, 28.0, 28.7, 30.0, 32.8, 34.5, 35.0, 36.5, 36.0, 37.0, 37.0,
       39.0, 39.0, 39.0, 40.0, 40.0, 40.0, 40.0, 42.0, 43.0, 43.0, 43.5,
       44.0])
perch_weight = np.array([5.9, 32.0, 40.0, 51.5, 70.0, 100.0, 78.0, 80.0, 85.0, 85.0, 110.0,
       115.0, 125.0, 130.0, 120.0, 120.0, 130.0, 135.0, 110.0, 130.0,
       150.0, 145.0, 150.0, 170.0, 225.0, 145.0, 188.0, 180.0, 197.0,
       218.0, 300.0, 260.0, 265.0, 250.0, 250.0, 300.0, 320.0, 514.0,
       556.0, 840.0, 685.0, 700.0, 700.0, 690.0, 900.0, 650.0, 820.0,
       850.0, 900.0, 1015.0, 820.0, 1100.0, 1000.0, 1100.0, 1000.0,
       1000.0])
       
# train_test_split() 함수 이용해 훈련 세트와 테스트 세트로 나누기
from sklearn.model_selection import train_test_split # 총 4개의 결과값으로 반환
train_input, test_input, train_target, test_target = train_test_split(perch_length, perch_weight, random_state=42) # 1차원 배열을 쪼개서 input 값 모두 1차원이야

# reshape 통해 2차원 배열로 변경하기
train_input = train_input.reshape(-1, 1) # 1열로 만들건데 남은 배열의 길이와 남은 차원으로부터 추정해서 알아서 행 지정
test_input = test_input.reshape(-1, 1)
print(train_input.shape, test_input.shape) >>> (42, 1) (14, 1)

# 결정계수 (R^2)
from sklearn.neighbors import KNeighborsRegressor
knr = KNeighborsRegressor()
knr.fit(train_input, train_target)
print(knr.score(test_input, test_target)) >>> 0.992809406101064

# 타깃과 예측의 절댓값 오차를 평균하여 반환
from sklearn.metrics import mean_absolute_error
# 테스트 세트에 대한 예측을 만듦
test_prediction = knr.predict(test_input)
# 테스트 세트에 대한 평균 절댓값 오차를 계산
mae = mean_absolute_error(test_target, test_prediction)
print(mae) >>> 19.157142857142862 # 결과에서 예측이 평균적으로 19g 정도 타깃값과 다르다

# 과대적합 vs 과소적합
print(knr.score(train_input, train_target)) >>> 0.9698823289099254 #R^2점수 확인
# 훈련 세트보다 테스트 세트의 점수가 높아
# >>> 과소 적합
# >>> 모델 복잡하게 만들기 이웃의 개수 k를 줄여
knr.n_neighbors = 3
# 모델 다시 훈련
knr.fit(train_input, train_target)
print(knr.score(train_input, train_target)) >>> 0.9804899950518966
print(knr.score(test_input, test_target)) >>> 0.9746459963987609

 

🔍 score() 반환 값

ㆍ분류

: 정확도_테스트에 있는 샘플을정확하게 분류한 개수의 비율 (1까지도 나옴)

 

ㆍ회귀

: 결정계수(R^2)라고 표현 (회귀에서는 1이 나올 확률 거의 없음)

R^2 = 1 - (타깃-예측)^2의 합 / (타깃-평균)^2의 합

- 결정계수가 0에 가까울 수록 평균값과 가까운 값

- 결정계수가 1에 가까울 수록 정확한 예측

- 결정계수 값 음수도 나올 수 있음 (과대적합, 과소적합 문제가 발생했을 떄)

 

* mean_absolute_error()

: 회귀 모델의 평균 절댓값 오차를 계산

- sklearn이 제공해주는 측정도구

- sklearn.metrics 패키지 안에 mean_absolute_error()

- 타깃과 예측의 절댓값 오차를 평균하여 반환

- 어느 정도 예측이 벗어났는지 가늠하기 좋음

 

* mean_squared_error()

: 평균 제곱 오차를 계산

- 타깃과 예측을 뺀 값을 제곱한 후 샘플에 대해 평균한 값을 반환

 

🔍 과대적합 vs 과소적합

ㆍ과대적합(overfitting)

: 훈련셋은 높고 테스트셋 심하게 낮을 때

=> 덜 복잡하게 만들어야 해 => 이웃의 개수 늘려

 

ㆍ과소적합(underfitting)

: 훈련셋이 테스트셋보다 낮거나, 둘다 현저히 낮을 때

(과소적합 기준 모델마다 과소적합은 조금 달라져)

=> 1. 모델이 너무 단순해 훈련이 제대로 이루어지지 않았다. => 복잡한 모델로 변경 => 근접 이웃의 개수를 줄이기

=> 2. 훈련셋과 테스트셋의 크기가 매우 작을 떄 =>  데이터 더 모으기

 

* 이웃의 개수 변경

# 객체 생설 할 때 이웃의 개수 설정
knr = KNeighborsRegressor(n_neighbors=3)

# 객체 생성 이후 변경
knr.n_neighbors = 3

# 어떤 경우든 다시 fit() 해줘야 해

 

---

📌 3-2. 선형회귀

 

❓ 최근접이웃 회귀의 한계?

: 훈련 세트 범위 밖의 샘플을 예측할 수 없음

  아무리 멀리 떨어여 있더라도 무조건 가장 가까운 샘플의 타깃을 평균하여 예측함

=> 범위를 벗어난 신규데이터 포함해서 훈련시켜줘야 해 (수동으로 해야 함..)

=> 선형회귀를 이용해 훈련세트를 벗어난 범위의 데이터도 예측o

 

💡  1) 선형회귀 ( linear regression )

: 특성이 하나인 경우 어떤 직선을 학습하는 알고리즘

- 특성과 타깃 사이의 관계를 가장 잘 나타내는 선형 방정식을 찾음

- sklearn.linear_model 패키지의 LinearRegression 클래스 사용

- 선형회귀 그래프  y=a*x+b (a=기울기 b=절편)

- 계수와 절편 lr객체의 coef_와 intercept_ 속성에 내장

( x = 농어의 길이, y = 농어의 무게)

 

* 🔍 coef_ 속성

- 특성에 대한 계수를 포함한 배열(특성의 개수와 같음)

- 머신러닝에서는 계수(coefficient) 라는 용어로

- 딥러닝 쪽에서는 가중치(weight)라고 부름

 

* 🔍 모델 파라미터(model parameter)

머신러닝 모델이 특성에서 학습한 파라미터 (ex. coef_, intercept_ )

선형회귀 등 많은 머신러닝 알고리즘의 훈련과정 => 최적의 모델 파라미터를 찾는 것과 같음 => 모델 기반 학습

k-최근접 이웃 모델 => 모델 파라미터 없어. 훈련 세트를 저장하는 것이 훈련의 전부 => 사례 기반 학습

 

import numpy as np
perch_length = np.array([8.4, 13.7, 15.0, 16.2, 17.4, 18.0, 18.7, 19.0, 19.6, 20.0, 21.0,
       21.0, 21.0, 21.3, 22.0, 22.0, 22.0, 22.0, 22.0, 22.5, 22.5, 22.7,
       23.0, 23.5, 24.0, 24.0, 24.6, 25.0, 25.6, 26.5, 27.3, 27.5, 27.5,
       27.5, 28.0, 28.7, 30.0, 32.8, 34.5, 35.0, 36.5, 36.0, 37.0, 37.0,
       39.0, 39.0, 39.0, 40.0, 40.0, 40.0, 40.0, 42.0, 43.0, 43.0, 43.5,
       44.0])
perch_weight = np.array([5.9, 32.0, 40.0, 51.5, 70.0, 100.0, 78.0, 80.0, 85.0, 85.0, 110.0,
       115.0, 125.0, 130.0, 120.0, 120.0, 130.0, 135.0, 110.0, 130.0,
       150.0, 145.0, 150.0, 170.0, 225.0, 145.0, 188.0, 180.0, 197.0,
       218.0, 300.0, 260.0, 265.0, 250.0, 250.0, 300.0, 320.0, 514.0,
       556.0, 840.0, 685.0, 700.0, 700.0, 690.0, 900.0, 650.0, 820.0,
       850.0, 900.0, 1015.0, 820.0, 1100.0, 1000.0, 1100.0, 1000.0,
       1000.0])

# 훈련세트와 테스트세트로 나누기
from sklearn.model_selection import train_test_split
train_input, test_input, train_target, test_target = train_test_split(perch_length, perch_weight, random_state=42) # 1차원 배열을 쪼개서 input 값 모두 1차원이야
# 2차원 배열로 변환
train_input = train_input.reshape(-1, 1)
test_input = test_input.reshape(-1, 1)

# k-최근접 회귀
from sklearn.neighbors import KNeighborsRegressor
knr = KNeighborsRegressor(n_neighbors=3) #최근접 이웃의 개수 3
knr.fit(train_input, train_target)
print(knr.predict([[50]])) # 길이 50을 넣어도 100을 넣어도 1033...

# 그래프를 그려서 확인
import matplotlib.pyplot as plt
# kneighbors() 가장 가까운 이웃까지의 거리와 이웃 샘플의 인덱스 50cm 농어의 이웃을 구하기
distances, indexes = knr.kneighbors([[50]])
# 훈련데이터의 산점도
plt.scatter(train_input, train_target)
# 훈련 세트 중에서 이웃 샘플만 다시 그리기
plt.scatter(train_input[indexes], train_target[indexes], marker='D')

plt.scatter(50, 1033, marker='^')
plt.xlabel('length')
plt.ylabel('weight')
plt.show()

print(np.mean(train_target[indexes])) >>> 1033.3333333333333

# 선형 회귀 알고리즘
from sklearn.linear_model import LinearRegression
lr = LinearRegression() # 객체 생성
# 선형 회귀 모델 훈련
lr.fit(train_input, train_target)
# 50cm 농어에 대해 예측
print(lr.predict([[50]])) >>> [1241.83860323]

# 선형회귀가 학습한 직선 그려보기(기울기와 절편)
# y = a * x + b (coef_ 기울기 / intercept_ 절편)
print(lr.coef_, lr.intercept_) # 무게=종속변수 / 길이=독립변수 >>> [39.01714496] -709.0186449535477

# 훈련 세트의 산점도 그리기
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()

print(lr.score(train_input, train_target)) >>> 0.939846333997604
print(lr.score(test_input, test_target)) >>> 0.8247503123313558

# 과소적합 + 직선이 아닌 최적의 곡선 찾아야 해

 

❓ 선형회귀의 한계?

: 모델이 단순하여 농어의 무게가 음수일 수도 있음..

=> 훈련 세트와 테스트 셑의 성능을 높여야 함 => 다항회귀 이용

 

💡 2) 다항회귀

: 특성이 하나인 경우 어떤  곡선을 학습하는 알고리즘

- 다항식을 사용하여 특성과 타깃의 관계를 나타냄

- 비선형(곡선)일 수 있지만 여전히 선형 회귀로 표현할 수 있음

- LinearRegression 클래스 사용

- 다항회귀 그래프  y=a*x^2 + b*x + c 

   (무게 = a * 길이^2 + b * 길이 + c)

- 2차 방정식 그리기 위해서는 길이를 제곱한 항이 훈련세트에 추가되어야 함

- 계수와 절편 lr객체의 coef_와 intercept_ 속성에 내장

 

# 2차 방정식 그래프 그리기 위해 제곱한 항 훈련세트에 추가 column_stack() 사용
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) >>> (42, 2) (14, 2)

# 선형 회귀 모델 다시 훈련
lr = LinearRegression()
lr.fit(train_poly, train_target) # 타깃값은 그대로 사용
print(lr.predict([[50**2, 50]])) >>> [1573.98423528]

print(lr.coef_, lr.intercept_) >>> [  1.01433211 -21.55792498] 116.0502107827827
# 무게 = 1.01 x 길이 - 21.6 x 길이 + 116.05

# 짧은 직선을 이어서 마치 곡선처럼 표현
# 구간별 직선을 그리기 위해 15에서 49까지 정수 배열을 만든다
point = np.arange(15, 50)

# 훈련세트의 산점도를 그리기
plt.scatter(train_input, train_target)
 
# 15에서 49까지 2차 방정식 그래프를 그림
plt.plot(point, 1.01*point**2 - 21.6*point + 116.05)

# 50cm 농어 데이터
plt.scatter(50, 1754, marker='^')
plt.xlabel('length')
plt.ylabel('weight')
plt.show()

# 훈련 세트와 테스트 세트의 R^2 평가
print(lr.score(train_poly, train_target)) >>> 0.9706807451768623
print(lr.score(test_poly, test_target)) >>> 0.9775935108325122

# 여전히 과소적합... 훈련세트보다 테스트 세트의 점수가 높음...

 

---

📌3-3. 특성 공학과 규제

 

💡 1) 다중회귀 ( mulitple regression )

: 여러 개의 특성을 사용한 선형 회귀

- 한 개의 특성 => 선 형태

- 두 개의 특성 => 면 형태 (타깃 = a * 특성1 + b * 특성2 + 절편)

- 세 개의 특성 => 큐브 형태

- 특성이 많으면 선형 모델은 강력한 성능을 발휘함

 

 * PolynomialFeatures 클래스

- sklearn.preprocessing 패키지에 포함된 PolynomialFeatures 클래스 사용

- 주어진 특성을 조합하여 새로운 특성을 만듦
- degree 최고 차수를 지정함(기본값은 2)
- 기본적으로 각 특성을 제곱한 항을 추가하고 특성끼리 서로 곱산 항을 추가함
- interaction_only가 True이면 거듭제곱 항은 제외되고 특성 간의 곱셈 항만 추가됨
( 무게 = a * 길이 + b * 높이 + c * 두께 + d * 1 )
- 선형 방정식의 절편을 항상 값이 1인 특성과 곱해지는 계수라고 볼 수 있음
- include_bias = False로 지정하면 절편을 위한 특성 추가하지 않음(기본값은 True)

from sklearn.preprocessing import PolynomialFeatures # 첫글자 대문자, 두번째단어의 첫글자 대문자 클래스
poly = PolynomialFeatures() # 객체 생성
poly.fit([[2,3]]) # 어떤 특성을 학습시키고
print(poly.transform([[2,3]])) # 어떤 특성을 transform

>>> [[1. 2. 3. 4. 6. 9.]]

poly = PolynomialFeatures(include_bias= False) # 기본절편 값 1 안만들어
poly.fit([[2,3]])
print(poly.transform([[2,3]]))

>>> [[2. 3. 4. 6. 9.]]

poly.get_feature_names_out() # 특성 각각 어떤 조합으로 만들어졌는지 확인

>>> array(['x0', 'x1', 'x2', 'x0^2', 'x0 x1', 'x0 x2', 'x1^2', 'x1 x2',
       'x2^2'], dtype=object)

 

🔍특성 공학(feautre enginneering)

: 기존의 특성을 사용해서 새로운 특성을 뽑아내는  일련의 작업 과정

 

🔍 변환기?(transformer)
- 특성을 만들거나 전처리하기 위한 
- fit(), transform() 메서드 제공
- fit() 메서드 새롭게 만들 특성 조합을 찾고 / transform() 실제로 데이터를 변환함
- 훈련을 해야 변환이 가능함 =>  fit_transform 두 메서드를 하나로 붙인 메서드 존재
- 변환기 피터는 정답이 필요없음. 입력 데이터를 변환하는 데 타깃 데이터 필요없음.

🔍 추정기(estimator) 
- LinearRegression과 같은 사이킷런의 모델 클래스를 추정기(estimator)라고 부름
- fit(), score(), predict() 메서드 제공
- 모델 피터는 두 가지값 필요함.

 

# 농어의 특성(length, height, width 3개)

# 판다스의 데이터 프레임 사용
import pandas as pd
df = pd.read_csv('https://bit.ly/perch_csv_data') # pd.read_csv(주소)를 통해 읽어서 데이터프레임 만들기
perch_full = df.to_numpy() # to_numpy 데이터프레임을 넘파이 배열로 변환
print(perch_full)

# 타깃 데이터 그대로 사용
import numpy as np
perch_weight = np.array([5.9, 32.0, 40.0, 51.5, 70.0, 100.0, 78.0, 80.0, 85.0, 85.0, 110.0,
       115.0, 125.0, 130.0, 120.0, 120.0, 130.0, 135.0, 110.0, 130.0,
       150.0, 145.0, 150.0, 170.0, 225.0, 145.0, 188.0, 180.0, 197.0,
       218.0, 300.0, 260.0, 265.0, 250.0, 250.0, 300.0, 320.0, 514.0,
       556.0, 840.0, 685.0, 700.0, 700.0, 690.0, 900.0, 650.0, 820.0,
       850.0, 900.0, 1015.0, 820.0, 1100.0, 1000.0, 1100.0, 1000.0,
       1000.0])
     
# 훈련 세트와 테스트 세트로 나누기     
from sklearn.model_selection import train_test_split # 첫글자 소문자 함수
train_input, test_input, train_target, test_target = train_test_split(perch_full, perch_weight, random_state=42)

# 사이킷런의 변환기(특성을 만들거나 전처리하는 클래스)
from sklearn.preprocessing import PolynomialFeatures # 첫글자 대문자, 두번째단어의 첫글자 대문자 클래스

# 변환기 PolynomialFeatures 클래스 사용
poly = PolynomialFeatures(include_bias= False) # 절편 항 무시 (기본절편 값 1 안 만들어)
poly.fit(train_input)
train_poly = poly.transform(train_input)
print(train_poly.shape) >>> (42, 9)
# 특성 각각 어떤 입력의 조합으로 만들어졌는지 확인
poly.get_feature_names_out() >>> array(['x0', 'x1', 'x2', 'x0^2', 'x0 x1', 'x0 x2', 'x1^2', 'x1 x2',
       'x2^2'], dtype=object)
       
# 테스트 세트 변환
test_poly = poly.transform(test_input)

# 변환된 특성을 사용하여 다중 회귀 모델 훈련 (= 여러 개의 특성을 사용하여 선형회귀를 수행하는 것)
from sklearn.linear_model import LinearRegression
lr = LinearRegression()
lr.fit(train_poly, train_target)

print(lr.score(train_poly, train_target)) >>> 0.9903183436982125
print(lr.score(test_poly, test_target)) >>> 0.9714559911594111

############ 특성 더 추가하기 #############

# degree 매개변수를 사용하여 필요한 고차항의 최대 차수를 지정
poly = PolynomialFeatures(degree=5, include_bias=False) # 5제곱까지 특성 만들기
poly.fit(train_input)
train_poly = poly.transform(train_input)
test_poly = poly.transform(test_input)
print(train_poly.shape) >>> (42, 55) # 배열의 열의 개수 = 특성의 개수

lr.fit(train_poly, train_target)
print(lr.score(train_poly, train_target)) >>> 0.9999999999996433
print(lr.score(test_poly, test_target)) >>> -144.40579436844948

# 음수??? 
# 특성의 개수를 크게 늘리면 선형 모델 강력해짐. 
# 훈련 세트에 대해 완벽하게 학습할 수 있으나 너무나 과대적합 문제. 테스트 세트에서 형편없는 점수

##############################################

 

 

---

❓ 다중회귀 모델 한계?

: 특성의 개수 늘려 선형 회귀 매우 강력한 성능을 냄.  하지만 과대적합 문제 발생

=> 선형 회귀 모델을 제약하기 위한 도구 필요 => 규제

 

🔍 규제(regularization)

: 머신러닝 모델이 훈련 세트를 너무 과도하게 학습하지 못하도록 훼방하는 것

- 선형회귀 모델의 경우 특성에 곱해지는 계수(기울기)의 크기를 줄이는 것.

- 특성의 스케일 정규화를 위해 StandardScaler 변환기 사용

- sklearn.preprocessing 패키지의 StandardScaler 클래스

- 평균과 표준편차 StandardScaler 클래스 객체의 mean_, scale_ 속성에 저장

- 선형 회귀 모델에 규제를 추가한 모델을 릿지와 라쏘라고 부름

# 규제
from sklearn.preprocessing import StandardScaler
ss = StandardScaler()
ss.fit(train_poly)
train_scaled = ss.transform(train_poly)
test_scaled = ss.transform(test_poly)

 

💡 1)  릿지 회귀 ( ridge )

: 규제가 있는 선형 회귀 모델 중 하나로 선형 모델의 계수를 작게 만들어 과대적합을 완화시킴

=> 계수를 제곱한 값을 기준으로 규제를 적용

 

* 🔍 하이퍼 파라미터(hyperparameter)   ↔ 모델파라미터(ex. 절편, 기울기 등)

: 머신러닝 모델이 학습할 수 없고 사람이 알려줘야 하는 파라미터 (ex. alpha 값, k최근접이웃의 개수)

 

* 규제의 양 임의로 조절 (alpha 값)

- 모델 객체를 만들 때 alpha매개변수로 규제의 강도를 조절

- 기본값은 1

- alpha값이 크면 규제 강도가 세지므로 계수 값을 더 줄이고 조금 더 과소적합되도록 유도

- alpha 값이 작으면 계수를 줄이는 역할이 줄어들고 선형회귀모델과 유사해지므로 과대적합될 가능성 큼

solver 매개변수에 최적의 모델을 찾기 위한 방법을 지정할 수 있습니다.
기본값은 'auto'이며 데이터에 따라 자동으로 선택됩니다.
사이킷런 0.17 버전에 추가된 'sag'는 확률적 평균 경사 하강법 알고리즘으로 특성과 샘플 수가 많을 때에 성능이 빠르고 좋습니다.
사이킷런 0.19 버 전에는 'sag'의 개선 버전인 'saga'가 추가되었습니다.
random_state는 solver가 'sag'나 'saga'일 때 넘파이 난수 시드값을 지정할 수 있습니다.

# 릿지 회귀
from sklearn.linear_model import Ridge
ridge = Ridge() # 객체 만들기
ridge.fit(train_scaled, train_target) # 훈련
print(ridge.score(train_scaled, train_target)) # 평가
print(ridge.score(test_scaled, test_target))

# 규제의 양 임의 조절 가능
############### 적절한 alpha값 찾기 ############
# alpha값에 대한 R**2 값의 그래프 그려보기

# 1. 시각화 작업 준비
import matplotlib.pyplot as plt

# 2. aplpha 값 바꿀 때마다 훈련스코어값, 테스트스코어값 저장을 위한 빈리스트
train_score = []
test_score = []

# 3. alpha값을 여섯가지 종류로 만들고 for문
alpha_list = [0.001, 0.01, 0.1, 1, 10, 100]
for alpha in alpha_list:
  ridge = Ridge(alpha = alpha)
  ridge.fit(train_scaled, train_target)
  train_score.append(ridge.score(train_scaled, train_target))
  test_score.append(ridge.score(test_scaled, test_target))
print(train_score) >>> [0.9930455252088248, 0.991780998125052, 0.9903815817570367, 0.9896101671037343, 0.988728468997471, 0.9841843235774494]
print(test_score) >>> [0.9569388961567329, 0.9800187936871725, 0.9827976465386928, 0.9790693977615387, 0.9725329582461569, 0.9627042641050291]

# 4. 시각화 하기에 값이 너무 작아 넘파이 로그함수로 변환
plt.plot(np.log10(alpha_list), train_score)
plt.plot(np.log10(alpha_list), test_score)
plt.xlabel('alpha')
plt.ylabel('R^2')
plt.show()

# 두 그래프 간격이 제일 작은 값을 alpha값으로
###################################################

# 최종 모델 훈련
ridge = Ridge(alpha=0.1)
ridge.fit(train_scaled, train_target)

print(ridge.score(train_scaled, train_target)) >>> 0.9903815817570367
print(ridge.score(test_scaled, test_target)) >>> 0.9827976465386928

 

💡  2) 라쏘 회귀 ( lasso )

: 규제가 있는 선형 회귀 모델 중 하나로 선형 모델의 계수를 작게 만들어 과대적합을 완화시킴

=> 계수의 절댓값을 기준으로 규제를 적용

- 라쏘는 계수의 크기를 0으로 만들 수도 있음...

- 최적의 모델을 찾기 위해 좌표축을 따라 최적화를 수행해가는 좌표 하강법 사용

- max_iter 알고리즘의 수행 반복 횟수를 지정(기본값 1000)

# 라쏘 회귀
from sklearn.linear_model import Lasso
lasso = Lasso()
lasso.fit(train_scaled, train_target)
print(lasso.score(train_scaled, train_target)) >>> 0.989789897208096
print(lasso.score(test_scaled, test_target)) >>> 0.9800593698421883

# 규제의 양 임의 조절 가능
############### 적절한 alpha값 찾기 ############
train_score = []
test_score = []
alpha_list = [0.001, 0.01, 0.1, 1, 10, 100]
for alpha in alpha_list:
  lasso = Lasso(alpha=alpha, max_iter=10000)
  lasso.fit(train_scaled, train_target)
  train_score.append(lasso.score(train_scaled, train_target))
  test_score.append(lasso.score(test_scaled, test_target))
# ConvergenceWarning => 라쏘 모델 최적의 계수 찾기 위한 반복적 계산 수행 횟수가 부족하면 발생
# max_iter 매개변수의 값 지정 가능

plt.plot(np.log10(alpha_list), train_score)
plt.plot(np.log10(alpha_list), test_score)
plt.xlabel('alpha')
plt.ylabel('R^2')
plt.show()

################################################

# 최적의 alpha 값으로 다시 모델 훈련
lasso = Lasso(alpha=10)
lasso.fit(train_scaled, train_target)
print(lasso.score(train_scaled, train_target)) >>> 0.9888067471131867
print(lasso.score(test_scaled, test_target)) >>> 0.9824470598706695

# lasso는 계수값 0이 나올 수도 있어 => 모델의 계수 확인해야 함
print(np.sum(lasso.coef_==0)) >>> 40 # 배열을 모두 더한 값 반환(True=1, False=0)
# 55개 중 실제 사용한 데이터 15개밖에 안돼..

 

 

---

pandas
• read_csv()는 CSV 파일을 로컬 컴퓨터나 인터넷에서 읽어 판다스 데이터프레임으로 변환하 는 함수입니다.
이 함수는 매우 많은 매개변수를 제공합니다. 그중에 자주 사용하는 매개변수 는 다음과 같습니다.

- sep
CSV 파일의 구분자를 지정합니다.
기본값은 '콤마(,)'입니다.
header에 데이터프레임의 열 이름으로 사용할 CSV 파일의 행 번호를 지정합니다. 기본적으 로 첫 번째 행을 열 이름으로 사용합니다.
skiprows는 파일에서 읽기 전에 건너뛸 행의 개수를 지정합니다.
nrows는 파일에서 읽을 행의 개수를 지정합니다.