"Scikit-learn:데이터 분석"의 두 판 사이의 차이
(새 문서: == 개요 == 데이터 분석과 관련한 기능. == 회귀선 그리기 == <syntaxhighlight lang="python"> from sklearn.linear_model import LinearRegression x = # x축 데이터 y...) |
|||
(같은 사용자의 중간 판 하나는 보이지 않습니다) | |||
1번째 줄: | 1번째 줄: | ||
== 개요 == | == 개요 == | ||
데이터 분석과 관련한 기능. | 데이터 분석과 관련한 기능. | ||
+ | |||
+ | = 선형 회귀분석 = | ||
== 회귀선 그리기 == | == 회귀선 그리기 == | ||
14번째 줄: | 16번째 줄: | ||
y_pred = pd.Series(model.predict(x), index=x.index) # 회귀선을 얻을 수 있다. | y_pred = pd.Series(model.predict(x), index=x.index) # 회귀선을 얻을 수 있다. | ||
</syntaxhighlight> | </syntaxhighlight> | ||
+ | |||
+ | === 여러 데이터를 사용하는 경우(다중 선형 회귀분석) === | ||
+ | <syntaxhighlight lang="python"> | ||
+ | from sklearn.linear_model import LinearRegression | ||
+ | |||
+ | x = df[['변수1', '변수2', '변수3', ...]] # x축 데이터 | ||
+ | y = df[['결과']] # y축 데데이터 | ||
+ | |||
+ | model = LinearRegression() | ||
+ | model.fit(x, y) | ||
+ | |||
+ | y_pred = pd.Series(model.predict(x), index=x.index) # 회귀선을 얻을 수 있다. | ||
+ | |||
+ | # 2차원 배열을 받아 행으 갯수만큼 y값을 반환한다. | ||
+ | print("변수에 대한 예상값 : ",model.predict([['임의값1', '임의값2', '임의값3', ...]])) | ||
+ | </syntaxhighlight> | ||
+ | |||
+ | == 회귀 결과 == | ||
+ | {| class="wikitable" | ||
+ | !의도 | ||
+ | !설명 | ||
+ | !방법 | ||
+ | |- | ||
+ | |절편값 구하기 | ||
+ | |모든 변수가 0일 때의 y값 | ||
+ | |model.intercept_ | ||
+ | |- | ||
+ | |회귀계수 구하기 | ||
+ | |기울기의 역할. | ||
+ | |model.coef_ | ||
+ | |} | ||
[[분류:Scikit-learn]] | [[분류:Scikit-learn]] |
2023년 1월 17일 (화) 08:51 기준 최신판
1 개요편집
데이터 분석과 관련한 기능.
2 선형 회귀분석편집
2.1 회귀선 그리기편집
from sklearn.linear_model import LinearRegression
x = # x축 데이터
y = # y축 데데이터
model = LinearRegression()
model.fit(x, y)
y_pred = pd.Series(model.predict(x), index=x.index) # 회귀선을 얻을 수 있다.
2.1.1 여러 데이터를 사용하는 경우(다중 선형 회귀분석)편집
from sklearn.linear_model import LinearRegression
x = df[['변수1', '변수2', '변수3', ...]] # x축 데이터
y = df[['결과']] # y축 데데이터
model = LinearRegression()
model.fit(x, y)
y_pred = pd.Series(model.predict(x), index=x.index) # 회귀선을 얻을 수 있다.
# 2차원 배열을 받아 행으 갯수만큼 y값을 반환한다.
print("변수에 대한 예상값 : ",model.predict([['임의값1', '임의값2', '임의값3', ...]]))
2.2 회귀 결과편집
의도 | 설명 | 방법 |
---|---|---|
절편값 구하기 | 모든 변수가 0일 때의 y값 | model.intercept_ |
회귀계수 구하기 | 기울기의 역할. | model.coef_ |