[chap 3-1] k-최근접 이웃 회귀

🔮 회귀 VS 분류

• 분류 : 샘플을 몇 개의 클래스 중 하나로 분류 하는 문제
• 회귀 : 임의의 어떤 숫자로 예측하는 문제

앞 챕터에서 도미인지 빙어인지를 구분하는 프로그램을 작성하였다. 이 장에서는 농어의 무게를 예측하는 프로그램을 작성할 예정이다. 여기서 중요한 것은 분류와 회귀는 다르다는 것이다. 그리고 분류와 회귀는 지도 학습 알고리즘 범주에 포함 되어 있다.

• 지도 학습 : 정답이 있으니 알고리즘이 정답을 맞히는 것을 학습하는 것

  • k-최근접 이웃 분류 알고리즘
  • k-최근접 이웃 회귀 알고리즘

• 비지도 학습 : 타깃 없이 입력 데이터만을 사용

• 강화 학습

🔮 k-최근접 이웃 회귀

1️⃣ 데이터 준비

import numpy as np
from sklearn.model_selection import train_test_split

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])

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

여기서 분류 알고리즘과 차이점이 보인다. 분류 알고리즘에서는 길이 데이터와 무게 데이터를 합쳐서 2차원 배열로 만든 다음 train_input과 test_input으로 분리하였고, 여기에 맞는 정답 데이터도 분리하였다. 하지만 회귀 알고리즘은 데이터를 합치는 것이 아닌 길이와 무게를 각각 input과 target 데이터에 넣어주었다.

❗ 문제점 ❗
사이킷런에서 사용할 훈련 세트는 2차원 배열이어야 한다. 분류는 [length, weight]를 하나의 데이터로 2차원 배열을 만들어서 이런 문제가 발생하지 않았지만, 회귀에서는 길이를 input으로 무게를 target으로 넣어주었기 때문에 문제가 발생했다.

💡 해결책 💡
reshape() 메소드 사용

2️⃣ reshape() 메소드: 2차원 배열로 만들어준다.

예시

import numpy as np

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

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

>>> 출력값
(4,)
(2, 2)

활용

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

>>> 출력값
(42, 1) (14, 1)

-1을 사용하면 나머지 원소의 개수를 모두 채운다는 의미이다.

🌗 훈련하기

from sklearn.neighbors import KNeighborsRegressor

knr = KNeighborsRegressor()
knr1 = knr.fit(train_input, train_target)
print(knr.score(train_input, train_target))
print(knr1.score(test_input, test_target))

>>> 출력값
0.9698823289099254
0.992809406101064

회귀의 경우에는 결정계수 를 통해서 값을 평가한다.(score 메소드를 통해서)

❗ 훈련 세트와 테스트 세트의 점수차이가 난다. 왜 그럴까?
🇶🇦 훈련 세트가 너무 단순하거나 복잡해서 발생하는 문제이다.

과대적합 VS 과소적합

• 과대적합: 훈련 세트의 점수 > 테스트 세트의 점수 👉 복잡도를 낮추면 된다.
• 과소적합: 훈련 세트의 점수 < 테스트 세트의 점수 👉 복잡도를 높이면 된다.

❓ 복잡도를 높이는 방법 ❓
사이킷런의 k-최근접 이웃 알고리즘의 기본값을 낮춘다.

knr.n_neighbors = 3

knr.fit(train_input, train_target)
print(knr.score(train_input, train_target))
print(knr.score(test_input, test_target))

>>> 출력값
0.9804899950518966
0.9746459963987609

훈련 세트의 결정 계수 값과 테스트 세트의 결정 계수의 값의 차이가 없어졌으므로 성공!