Linear Regresssion
회귀의 원래 의미는 옛날 상태로 돌아가는 것을 의미한다.
영국의 유전학자 프랜시스 골턴은 부모의 키와 아이들의 키 사이의 연관 관계를 연구하면서 부모와 자녀의 키사이에는 선형적인 관계가 있고 키가 커지거나 작아지는 것보다는 전체 키 평균으로 돌아가려는 경향이 있다는 가설을 세웠으며 이를 분석하는 방법을 "회귀 분석"이라고 하였다.
이러한 경험적 연구 이후, 칼 피어슨은 아버지와 아들의 키를 조사한 결과를 바탕으로 함수 관계를 도출하여 회귀분석 이론을 수학적으로 정립하였다. - 위키백과
Regression to the mean!
단순 회귀(Simple Regression)
: x값 하나만으로 y값을 설명할 수 있는 경우
회귀식 :
=> 반복 학습을 통해서 최선의 가중치(w1)와 편향(w0)을 찾음
* 편향: 모델의 결과가 얼마나 한쪽으로 쏠려 있는지를 나타내는 것,
학습된 모델이 학습 데이터에 대해 만들어 낸 예측값과 실제값과의 차이
🌟 선형회귀의 핵심 : 예측값과 실제값을 최소화하는 w값을 찾는 것이다.
입력:
model.coef_
model.intercept_결과:
[3.91650672]
-15.8047436=> 회귀식: y = -15.81 + 3.92x
다중 회귀(Multiple Regression)
: y 값을 설명하기 위해서는 여러개의 x값이 필요한 경우
회귀식:
입력:
# 회귀계수 확인
print( list(x_train[features]) )
print( model.coef )
print( model.intercept )
출력:
['Temp', 'Wind', 'Solar.R']
[ 1.5232 -3.5698 0.0675]
-53.37347-> 회귀식 : y = -53.87 + 1.52 * Temp -3.57 * Wind + 0.07 * Solar.R
< 회귀모델 성능평가 >
머신러닝 - LinearRegression(MAE, MSE, RMSE, MAPE, R2 - Score)
회귀모델 성능 평가 1) x, y 분리 target 변수 명확히 지정 target을 제외한 변수를 x 데이터프레임으로 선언 y 데이터프레임은 target변수만을 가짐 target = 'Ozone' x = data.drop(target, axis=1) y = data.loc[:, target
oaho.tistory.com
'AI > MachineLearning' 카테고리의 다른 글
| 의사결정트리(Decision Tree) (0) | 2023.02.24 |
|---|---|
| 로지스틱 회귀 개념, 모델링 과정 (0) | 2023.02.23 |
| K-Nearest Neighbor 개념, min-max scaling , 모델링 과정 (0) | 2023.02.23 |
| 머신러닝 - 분류모델 (Confusion Matrix, Accuracy, Precision, Recall, F1_Score) (0) | 2023.02.21 |
| 머신러닝 - LinearRegression(MAE, MSE, RMSE, MAPE, R2 - Score) (0) | 2023.02.20 |