인공지능

선형 회귀

선형 회귀 선형 회귀는 대표적인 회귀 알고리즘이다! 사이킷런은 sklearn.linear_model -> LinearRegression 클래스로 선형 회귀 알고리즘이 구현되어있다. 다음과 같이 LinearRegression 클래스가 찾은 a, b값은 lr객체의 coef_, intercept_를 통해 확인할 수 있다. 💡 coef_, intercept_를 머신러닝 알고리즘이 찾은 값이라는 의미 -> 모델 파라미터 많은 머신러닝 알고리즘의 훈련과정 = 최적의 모델 파라미터를 찾기 -> 모델 기반 학습 모델 파라미터는 없지만 훈련 세트를 저장하는 것 -> 사례 기반 학습

k-최근접 이웃 회귀

k-최근접 이웃 분류 알고리즘 예측하려는 샘플에 가장 가까운 샘플을 k개 선택한 다음 가장 많은 클래스를 새로운 샘플의 클래스로 예측한다. 위 사진을 예시로 들자면 사각형 샘플이 2개, 원 샘플이 1개 이고 가장 많은 클래스는 사각형 샘플이기에 사각형을 클래스로 예측하게 되는것이다. k-최근접 이웃 회귀 가장 가까운 샘플 k개를 선택한 뒤 선택한 샘플의 평균 수치를 구하여 값을 예측하게 된다. 가장 가까운 값은 100, 80, 60이므로 3 값을 모두 더한 뒤 3으로 나뉘어 80이라는 평균 수치를 구하게 된 것이다. 결정계수 사이킷런에서 k-최근접 이웃 회귀 알고리즘을 구현한 클래스는 KNeighorsResgressor이다. 분류를 할 때는 샘플을 정확하게 분류한 개수의 비율로 점수를 평가한다면, 회귀일..