인공지능/Machine Learning14 [Machine Learning] LinearRegression 인공지능과 변수를 파일로 저장하기 joblib.dump() 📝머신러닝 리니어 리그레이션 인공지능과 변수를 파일로 저장하기 import joblib joblib.dump() : 저장할 변수, 저장할 파일명을 입력하면 해당 변수 데이터를 저장해준다 # 인공지능 변수, 저장할 파일명 입력.피클 joblib.dump(regressor, 'regressor.pkl') # 예측에 필요한 변수, 저장할 파일명 입력.피클 joblib.dump(ct, 'ct.pkl') 2022. 12. 1. [Machine Learning] LinearRegression 인공지능 실제 예측해보기 📝머신러닝 리니어 리그레이션으로 만든 인공지능 실제 예측해보기 예측할 값 데이터를 df 컬럼의 순서대로 입력(예측할 값 제외)한 리스트를 넘파이 어레이로 생성한다 생성한 데이터는 1차원 데이터이기 때문에 2차원으로 변경한다 reshape 인공지능 만들때 기존에 만들었던 변수 ct에 transform() 함수를 사용해 문자열을 숫자로 바꿔준다 만들어두었던 regressor 변수에 predict() 함수를 이용해 값을 예측한다 # 예측할 값에 필요한 데이터를 넘파이 어레이로 생성후 변수에 저장 >>> new_data = np.array([130000, 150000, 400000, 'Florida']) # 생성한 변수를 2차원 데이터로 변경 >>> new_data = new_data.reshape(1,4) #.. 2022. 12. 1. [Machine Learning] LinearRegression 성능측정 오차(error) 구하기 📝머신러닝 리니어 리그레이션 인공지능 성능측정 오차 구하기 오차(error)의 정의 : 실제값 - 예측값 (똑똑한 인공지능이란, 오차가 적은 것) 오차를 구하고 오차를 제곱한 후에 평균을 구한 값을 mean squared error라고 한다 (줄여서 MSE라고 한다) MSE로 성능평가해서 수치가 작을수록 좋은 인공지능이다 # 실제값 - 예측값 변수로 저장 error = y_test - y_pred # 저장한 변수를 제곱하고 평균을 구한다 (error ** 2).mean() plt.plot을 사용해 실제값과 예측값을 차트로 그리기 plt.plot(y_test.values) plt.plot(y_pred) plt.legend(['Real', 'Pred']) plt.show() 2022. 12. 1. [Machine Learning] 수치예측 LinearRegression 📝머신러닝 리니어 리그레이션 모델링하기 수치 예측은 리니어 리그레이션으로 모델링한다 (리니어 리그레이션은 알아서 피처스케일링 해준다) from sklearn.linear_model import LinearRegression LinearRegression() # 변수에 저장해서 사용한다 regressor = LinearRegression() # 학습용과 테스트용으로 나눴던 데이터중 학습용 데이터를 입력해 학습시킨다 regressor.fit(X_train, y_train) y = ax + b (여러개일경우 y = ax1 + bx2 + cx3 + d 이런식) 인공지능이 랜덤으로 a와 b를 셋팅 fit() 함수를 실행하면 X_train, y_train값을 가지고 오차를 찾아서 오차가 최소가 되도록 a와 b값을 .. 2022. 12. 1. 이전 1 2 다음
