수치 예측은 리니어 리그레이션으로 모델링
알아서 피처스케일링 해주는 착한 녀석..
from sklearn.linear_model import LinearRegression
# 변수에 저장해서 사용
regressor = LinearRegression()
# 학습용과 테스트용으로 나눴던 데이터중 학습용 데이터를 입력해 학습
regressor.fit(X_train, y_train)
regressor.coef_ : 계수 반환
regressor.intercept_ : 상수 반환
>>> regressor.coef_ # 계수
array([ 8.29736108e+00, 1.35646415e+03, -1.36476151e+03, 8.24637324e-01,
-1.12195852e-02, 2.80920611e-02])
>>> regressor.intercept_ # 상수
46989.22920268966
# # y = 9504.98248109x + 25375.305271282858
인공지능을 테스트 (테스트용 데이터인 X_test로 테스트)
regressor.predict() : 예측한 값을 반환
# 예측한 값을 변수에 저장해서 사용
>>> y_pred = regressor.predict(X_test)
>>> y_pred
array([ 71949.71942864, 55791.24921078, 53890.25271456, 115672.63884167,
44385.27023347, 63395.23519566])
'인공지능 > Machine Learning' 카테고리의 다른 글
| [Machine Learning] 성능 측정 confusion_matrix(), accuracy_score(), classification_report() (1) | 2024.04.15 |
|---|---|
| [Machine Learning] 분류 예측 LogisticRegression (0) | 2024.04.15 |
| [Machine Learning] LinearRegression 인공지능, 변수 파일로 저장 joblib.dump() (0) | 2024.04.15 |
| [Machine Learning] LinearRegression 인공지능 실제 예측 (0) | 2024.04.15 |
| [Machine Learning] LinearRegression 오차(error) 구하기 (1) | 2024.04.12 |