혼자 공부하는 머신러닝 + 딥러닝 3장 - k-최근접 이웃 회귀

1. k-최근접 이웃 회귀

 

<지도학습 알고리즘의 종류>

 

- 지도학습 알고리즘은 크게 분류와 회귀로 나눔.

- 분류 : 샘플을 몇 개의 클래스 중 하나로 분류하는 것

- 회귀 : 임의의 어떤 숫자를 예측하는 문제, 두 변수 사이의 상관관계를 분석하는 방법

 

<k- 최근접 이웃 분류/회귀 알고리즘>

1) k-최근접 이웃 분류 알고리즘

- 예측하려는 샘플에 가장 가까운 샘플 k개를 선택한 뒤, 이 샘플들의 클래스를 확인하여 가장 많은 클래스를 새로운 샘플의 클래스로 예측 한다.

1) k-최근접 이웃 회귀 알고리즘

- 예측하려는 샘플에 가장 가까운 샘플 k개를 선택한 뒤, 이 샘플들의 수치를 확인하여 그들의 평균을 새로운 샘플의 클래스의 타깃값으로 예측 한다.

 

2. 결정계수

- 사이킷런에서 k-최근접 이웃 회귀 알고리즘을 구현한 클래스는 KNeighborsRegressor

- 분류의 경우에는 테스트 세트에있는 샘플을 정확하게 분류한 개수의 비율을 정한다면, 회귀의 경우에는 결정계수로 정확도를 평가한다.

 

<결정계수 공식>

- 공식을 암기한다기 보단 원리를 익히는 느낌

- 만약 타깃의 평균 정도를 예측하는 수준이라면 R^2은 0에 가까워지고, 타깃이 예측에 아주 가까워지면 1에 가까운 값이 될 것입니다.

 

- mean_absolute_error 함수 : sklearn.metrics 패키지 안에 있는 측정 도구의 한 종류, 타깃과 예측의 절댓값 오차를 평균하여 반환.

 

 

3. 과대적합과 과소적합

- 과대적합 : 훈련 세트에서 점수가 좋았는데 테스트에서 점수가 굉장히 나쁜 경우 (= 훈련 세트에만 잘맞는 모델)

- 과소적합 : 훈련 세트에서 점수가 나빴는데 테스트에서 점수가 굉장히 좋은 경우, 또는 두 점수가 모두 낮은 경우(=모델이 너무 단순해 훈련세트에 적절히 훈련되지 않은 경우)

 

<예제코드>

출처 : https://bit.ly/hg-03-1

import numpy as np
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsRegressor
from sklearn.metrics import mean_absolute_error

perch_length = np.array(
    [8.4, 13.7, 15.0, 16.2, 17.4, 18.0, 18.7, 19.0, 19.6, 20.0, 
     21.0, 21.0, 21.0, 21.3, 22.0, 22.0, 22.0, 22.0, 22.0, 22.5, 
     22.5, 22.7, 23.0, 23.5, 24.0, 24.0, 24.6, 25.0, 25.6, 26.5, 
     27.3, 27.5, 27.5, 27.5, 28.0, 28.7, 30.0, 32.8, 34.5, 35.0, 
     36.5, 36.0, 37.0, 37.0, 39.0, 39.0, 39.0, 40.0, 40.0, 40.0, 
     40.0, 42.0, 43.0, 43.0, 43.5, 44.0]
     )
perch_weight = np.array(
    [5.9, 32.0, 40.0, 51.5, 70.0, 100.0, 78.0, 80.0, 85.0, 85.0, 
     110.0, 115.0, 125.0, 130.0, 120.0, 120.0, 130.0, 135.0, 110.0, 
     130.0, 150.0, 145.0, 150.0, 170.0, 225.0, 145.0, 188.0, 180.0, 
     197.0, 218.0, 300.0, 260.0, 265.0, 250.0, 250.0, 300.0, 320.0, 
     514.0, 556.0, 840.0, 685.0, 700.0, 700.0, 690.0, 900.0, 650.0, 
     820.0, 850.0, 900.0, 1015.0, 820.0, 1100.0, 1000.0, 1100.0, 
     1000.0, 1000.0]
)     
plt.scatter(perch_length, perch_weight)
plt.xlabel('length')
plt.ylabel('weight')
plt.show()

train_input, test_input, train_target, test_target = train_test_split(perch_length, perch_weight, random_state=42)
print(train_input.shape, test_input.shape)

test_array = np.array([1,2,3,4])
print(test_array.shape)

test_array = test_array.reshape(2, 2)
print(test_array.shape)

# 아래 코드의 주석을 제거하고 실행하면 에러가 발생합니다
# test_array = test_array.reshape(2, 3)

train_input = train_input.reshape(-1, 1)
test_input = test_input.reshape(-1, 1)
print(train_input.shape, test_input.shape)

## 결정계수

knr = KNeighborsRegressor()
# k-최근접 이웃 회귀 모델을 훈련합니다
knr.fit(train_input, train_target)
print(knr.score(test_input, test_target))

# 테스트 세트에 대한 예측을 만듭니다
test_prediction = knr.predict(test_input)

# 테스트 세트에 대한 평균 절댓값 오차를 계산합니다
mae = mean_absolute_error(test_target, test_prediction)
print(mae)

##과대적합 VS 과소적합

print(knr.score(train_input, train_target))

# 이웃의 갯수를 3으로 설정합니다
knr.n_neighbors = 3
# 모델을 다시 훈련합니다
knr.fit(train_input, train_target)
print(knr.score(train_input, train_target))

print(knr.score(test_input, test_target))