Linear_Regression

 

Linear_Regression은 분포된 값들 사이에서 y = ax + b인 1차 방정식을 구하여 입력 값에 따른 예측값을 산출 것이 목적이다.

 

여기서 x는 연차, y는 연봉으로 값이 주어지고,Linear_Regression

을 통해 찾아야 하는 것이 계수 a와  상수 b이다.

 

sum(실제y값 - 예측값)^2 이 최소가 되게 만드는 것을 학습이라고 한다

 

Linear_Regression을 통해 연차에 따른 연봉을 예측하도록 해보겠다.

 

 

import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
df = pd.read_csv('Salary_Data.csv')

df.head() #데이터 프레임의 앞부분을 확인한다.

df.isna().sum() #Nan데이터가 있는지 확인한다.

X = df.iloc[:,0]

y = df['Salary']

X.head()

y.head()

Salary_Data.csv

X.head()

from sklearn.model_selection import train_test_split 
#학습을 위해 테스트와 트레이닝셋을 나눈다.

X_train, X_test, y_train, y_test =train_test_split(X,y, test_size = 0.2, random_state = 5)
# training set은 80%, test set은 20%의 비율로 생성.

from sklearn.linear_model import LinearRegression  

regressor = LinearRegression()

#training set을 regressor를 통해 학습시킨다.

X_train=X_train.values

X_train

X_train = X_train.reshape(-1,1)          # 학습을 위해 2차원으로 변경

X_train

#### 학습 시 사용하는 함수 fit

regressor.fit(X_train,y_train)

# 학습시킨 regressor에 test set을 넣어 실제값과 예측값의 차이를 확인한다.

X_test = X_test.values.reshape(-1,1)

y_pred = regressor.predict(X_test)

y_test

y_test = y_test.values

y_test - y_pred 

# 시각화 하기

plt.scatter(X_test, y_test, color = 'red')
plt.plot(X_test, y_pred, color = 'blue')
plt.show()