Regressor(KNeighborsRegressor)

◆ 데이터 준비

 

    ※ reshape

    arr.reshape(행,열)

 

    ● 데이터에 reshape 적용

        * -1로 하면 알아서 해당 개수대로 들어감

 

◆ KNeighborsRegressor

from sklearn.neighbors import KNeighorsRegressor

knr = KNeighborsRegressor()

knr.fit(독립변수, 종속변수)

knr.score(독립변수, 종속변수)

 

    ● 회귀 정확도

        - 수치형 결과는 정답과 똑같은 결과가 나오기 힘들고 얼만큼 가깝게 맞췄는지에 대해서도 확인해야함

        - MAE, MSE, RMSE 등

from sklearn.metrics import mean_absolute_error

mean_absolute_error(실제값(정답), 예측값)

 

◆ 과대적합 VS 과소적합

    * 훈련셋 점수 < 테스트셋 점수  => 과소적합

            해결방안 - 복잡도 증가(하이퍼파라미터 튜닝 - n_neighbors를 감소시키기)

    * 튜닝 후 테스트셋의 점수가 전보다 감소했어도 모델의 신뢰도가 튜닝후가 더 높음

    * 신뢰도 높은 모델 만들기 

        1) 훈련셋 점수와 테스트셋 점수가 차이가 많이 안나게 

        2) 훈련셋의 점수가 더 높게