코딩헤딩

1. 규제 - 과대 또는 과소 적합중에 주로 과대적합이 발생 했을 때 사용 - 훈련의 정확도가 다소 낮아지는 경향이 있으나, 검증(테스트) 정확도를 높이는 효과가 있음 - 훈련모델을 일반화 하는데 주로 사용되는 방법임 - 규제 개념을 적용한 향상된 모델 : 릿지(Ridge)와 라쏘(Lasso)가 있다. 1. 정규화(단위(스케일)를 표준화 하는 방식) 2. 규제가 적용된 모델 훈련/검증 훈련 및 테스트 독립변수 정규화 하기 * 정규화를 위한 라이브러리 from sklearn.preprocessing import StandardScaler 1. 정규화 클래스 생성 2. fit() : 정규화 패턴 찾기 3. transform() : 찾은 패턴으로 정규화 데이터로 변환 (훈련 및 테스트 독립변수 변화) * 정규..

1. 평균절대오차(MAE) 확인하기 from sklearn.metrics import mean_absolute_error mae = mean_absolute_error(test_target, test_pred) mae 2. 특성 클래스 생성하기 poly = PolynomialFeatures(include_bias=False) poly - 특성을 생성시킬 때 y절편값도 생성을 함께 시킨다. - 특성만 있으면 되기 때문에 y절편을 생성에서 제외시키기 위해서 ---> include_bias = False로 설정 temp_data = [[2,3,4,]] temp_data - sample데이터로 어떤 특성들이 만들어지는지 확인 먼저 특성을 만들 패턴 찾기 poly.fit(temp_data) 찾은 패턴으로 특성 생..

- 여러 개의 특성을 사용한 회귀모델 - 특성이 많을수록 복잡도가 증가됨, (훈련시간이 오래 걸림, 시간 성능에 따라 빠를 수도 있음 - 다중회계모델 공식 => y = a*x1 + b*2 + c*3 + ... + y절편 * 훈련 정확도 및 검증(test) 정확도 확인해 보기 1. 독립변수 생성하기 - 데이터프레임의 특성 중에 독립변수로 사용하 특성들을 2차원의 리스트 또는 배열 형태로 만들어주어야 함. perch_full = df.to_numpy() perch_full.shape 2. 종속변수 생성하기 import numpy as np perch_weight = np.array( [데이터 넣을 곳] ) perch_weight.shape **독립변수와 종속변수의 개수는 같아야 한다. 3. 훈련 및 테스트 ..