[Day 23] Simple Regression

https://www.codestates.com/

코딩부트캠프 | 코드스테이츠 - 비전공생도 개발자가 될 수 있습니다

---

Warm-up

• 회귀선
• Tabular Data

---

Note

• 선형 회귀 ( Linear Regression )
• Tabular Data
• RSS ( Residual Sum of Squares ) 
• SEE ( Sum of Square Error )
• 종속변수 : 반응 ( Response ) 변수, 레이블 ( Label ), 타겟 ( Target ) 등으로 불림
• 독립변수 : 예측 ( Predictor ) 변수, 설명 ( Explanatory ), 특성 ( Feature ) 등으로 불림
• 상관관계 그래프 그리기

sns.heatmap(corr_df, annot=True, annot_kws=dict(color='g'), cmap='Greys')
plt.show()

• Scikit - Learn 라이브러리

from sklearn.linear_model import LinearRegression

model = LinearRegression()
feature = ['sqft_living']
target = ['price']
X_train = df[feature]
y_train = df[target]
model.fit(X_train, y_train)
X_test = [[15000]]
y_pred = model.predict(X_test)

print(f'{X_test[0][0]} sqft living를 가지는 주택의 예상 가격은 ${y_pred} 입니다.')

# 15000 sqft living를 가지는 주택의 예상 가격은 $[[4165772.77536725]] 입니다.

• Interact 사용법

Review

새로운 내용을 시작하고 이제 머신러닝에 대해 직접적으로 배우기 시작해서 너무 재밌는거 같다.

---

참고

https://www.youtube.com/watch?v=JvS2triCgOY 

https://blog.insightdatascience.com/always-start-with-a-stupid-model-no-exceptions-3a22314b9aaa

Always start with a stupid model, no exceptions.

https://www.youtube.com/watch?v=G_0W912qmGc