2차원 배열로 바꿀 때 reshape 메소드가 유용함

object.reshape()를 통해 사용

ex) test.reshape(1,4), test.reshape(-1,1)

-1을 지정하면 나머지 원소의 개수로 모두 채움

• 사용할 데이터 셋

3-1 k-최근접 이웃 회귀

회귀란?

• 임의의 어떤 숫자를 예측하는 것
• k-최근접 이웃 회귀는 이웃한 샘플의 타깃값을 더하여 평균을 구함.
• 알고리즘을 사용하기 위한 세트 준비

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)
train_input = train_input.reshape(-1,1)
test_input = test_input.reshape(-1,1)

• 회귀 모델 훈련

from sklearn.neighbors import KNeighborsRegressor

knr = KNeighborsRegressor()
knr.fit(train_input, train_target)

knr.score(test_input, test_target)

• 회귀의 경우 점수를 결정계수로 평가함.

  • R → 결정계수

  $$ R^2 = 1 - \frac{\sum(target - predict)^2}{\sum(target - mean)^2} $$

• 타깃과 예측의 오차를 보여주는 메소드도 존재함.

from sklearn.metrics import mean_absolute_error

test_prediction = knr.predict(test_input)

mae = mean_absolute_error(test_target, test_prediction)
print(mae)

• 앞에서 훈련한 모델의 점수를 보면 테스트 점수가 높은 것을 알 수 있음(과소평가)