ML을 해보자: 선형 모델편 ( 릿지 회귀 및 분류)

다시 돌아온 ML을 해보자입니다.

오늘은 선형 모델에서 회귀라는 단어도 많이 들어보셨을 것 같은데요

 

회귀는 즉 다시 돌아온다는 표현으로 관찰된 연속형 변수들에 대해 두 변수 사이의 모형을 구한 뒤 적합도를 측정해 내는 분석 방법입니다.

 

회귀의 종류로는 다중 회귀 단순 회귀가 있는데요 아시겠지만 다중회귀는 하나의 종속 변수와 여러 독립 변수를 회귀 분석으로 할 때 다중 회귀 하나이 종속 변수와 하나의 독립 변수를 회귀 분석할 때 단순 회귀라고 합니다.

 

아 참고로 저희가 하고 있는 회귀 분류는 Ridge(산등성이) 회귀 및 분류입니다

 

자 그럼 

시작해 볼까요?

 

아래 그림처럼 되었다면 성공이 싱겁니다.

소스코드는 

 

이렇습니다

 

저번처럼 소스코드 하나씩 알아보도록 할까요?

만약 여기서 언급이 안되었는데 어렵거나 모르겠는 코드 부분이 있다면 전 ML을 해보자를 참고하시면 됩니다 만약 그곳에서도 없으면 댓글로 모르겠는 부분 알려주세요

 

np.arange는 흔히 자바나 C++에 있는 배열이라고 생가하시면 이해하실 수 있습니다.

이걸 설명하는 이유는 np.ones 때문인데요 이 코드는 기존 배열을 새로 만들려고 할 때 사용합니다. 기본형은 float니 

np.ones((숫자,), dtype=intdtype=int) 이렇게 쓰셔야 인트형으로 나옵니다.

 

np.lospace는 로그 스케일에서 균등 한 간격으로 숫자를 반환합니다

기본적으로 시작과 끝 값을 정해 줘야 돌아갈 수 있겠죠?

 

 

 

아 그리고 아마 말씀드린 것 같지만 다시 말씀드리자면 순서 진행에 대해 저는 사이킷런 튜토리얼 사이트를 참고하고 있습니다.

아마 ML을 해보자이 프로젝트가 4~5번 진행되고 나서 케라스 튜토리얼로 몇 가지 해보고 난 뒤에

공공데이터 포털 사이트에서 가져온 데이터로 실제 데이터 분석할 때 쓰는 판 다스 라이브러리 사용하는 걸 공부하려고 계획 중이고 진행 중입니다.