[직딩잇템] 어서와 데이터는 처음이지 - Part3. 미래 예측을 위한 기초 개념: Chapter 10. 예측 모델 만들기 실습(1) - 전통적 방식의 선형 회귀 모델

Chapter 10. 예측 모델 만들기 실습(1) - 전통적 방식의 선형 회귀 모델

실습 준비

- 크롬 브라우저 사용
- 구글 로그인 필요 (안그럼 중간에 오류 발생)
- "파일 > 드라이브에 사본 저장" -> 자신의 구글 드라이브에 저장됨

 

전통적인 선형회귀 코드

선형회귀
 : 최소제곱법(LMS) 이용

단순선형회귀 코드를 실행하면 어떤 결과가 나올까?
-> 기울기와 Y절편

 

실습 내용

#import libraries
 : 라이브러리 추가
#샘플데이터, 결과는 뭘로 예상됩니까?
 : 데이터 지정. 
   A, B의 상관 = 1
   Y = X
#선형회귀 결과
 : 선형회귀 실행
   linregress = Linear-regression
#시각화
 : 그래프를 그리고 출력

결과 확인
  - LinregressResult : 선형회귀 결과
  - slope : 기울기
  - intercept : Y절편
  - rvalue : Pearson-r
  - (나머지는 패스)
-> 기울기=1, Y절편=0, Y=X

B = [2,4,6,8,10]으로 변경 후 실행
-> 기울기=2, Y절편=0, Y=2X

 

정리

1. 선형회귀 : 최소제곱법(LMS) 이용
2. Python에서 단순선형회귀 코드를 실행하면 데이터 간의 관계를 가장 잘 설명하는 방정식, 즉 Model의 Parameter(기울기와 Y절편)을 찾을 수 있음
3. 전통적인 선형회귀 코드는 데이터만 바꿔주면 스스로 공식을 찾아 최적의 선이 어떤 방정식인지 알려줌