머신러닝, 딥러닝 (43) 썸네일형 리스트형 선형회귀에서 2차원 array를 사용하는 이유 from sklearn.linear_model import LinearRegression # 1. choose model class model = LinearRegression() # 2. instantiate model feature = ['feature_A'] target = ['feature_A'] #타겟 벡터 만들기 X_train = df[feature_B] y_train = df[feature_B] model.fit(X_train, y_train) # 3. fit the model to your data # 전체 데이터를 모델을 통해 예측하기 X_test = [[x] for x in select_df['']] y_pred = model.predict(X_test) 선형 회귀에서Train, Tes.. 다중 선형 회귀(Multiple Linear Regression) 단순 선형 회귀를 배우면서 여러 feature를 사용해서 선형 회귀를 할 수 있을까? 하면서 일단 PCA를 사용해 봤는데... 여러 피쳐를 사용하는 방법은 생각보다 간단했다. Train, Test의 feature에 리스트로 넣어주면 된다. X_train = train[['featureA', 'featureB' 'featureC']] X_test = test['featureA', 'featureB' 'featureC'] y_train = train['target'] y_test = test['target'] model = LinearRegression() model.fit(X_train, y_train) #모델 fit train_y_pred = model.predict(X_train) test_y_pred.. 단순선형회귀 : 설명이 안되는 범위가 너무 많은데요? 처음 단순 선형 회귀(Simple Linear Regression)를 배우면서, 집 면적에 따른 집값을 예측하는 선을 다음과 같은 코드로 그려보며 많이 부족하다고 느꼈다. from sklearn.linear_model import LinearRegression # 1. choose model class model = LinearRegression() # 2. instantiate model feature = ['feature_A'] target = ['feature_A'] #타겟 벡터 만들기 X_train = df[feature_B] y_train = df[feature_B] model.fit(X_train, y_train) # 3. fit the model to your data # 전체 데이터를 모델.. 이전 1 ··· 3 4 5 6 다음
