혼자 공부하는 머신러닝+딥러닝 2주차

2주차 미션: Ch.03(03-1) 2번 문제 출력 그래프 인증하기 & 모델 파라미터에 대해 설명하기

 

2. k-최근접 이웃 회귀 모델의 k 값을 1, 5, 10으로 바꿔가면서 훈련해보기. 그다음 농어의 길이를 5에서 45까지 바꿔가며 예측을 만들어 그래프로 나타내보기.

 

knr = KNeighborsRegressor()

x = np.arange(5, 45).reshape(-1, 1)

# n = 1, 5, 10일 때 예측 결과를 그래프로 그리기
for n in [1, 5, 10]:
  knr.n_neighbors = n
  knr.fit(train_input, train_target)

  prediction = knr.predict(x)

  plt.scatter(train_input, train_target)
  plt.plot(x, prediction)
  plt.title('n_neighbors = {}'.format(n))
  plt.xlabel('length')
  plt.ylabel('weight')
  plt.show()

 

>>  n이 커짐에 따라 모델이 단순해지는 것을 볼 수 있습니다.

 

 

모델 파라미터

: 선형 회귀가 찾은 가중치처럼 머신러닝 모델이 특성에서 학습한 파라미터

 

위의 사진처럼 coef_와 intercept_를 머신러닝 알고리즘이 찾은 값이라는 의미로 모델 파라미터라고 부릅니다.

 

많은 머신러닝 알고리즘의 훈련 과정은 최적의 모델 파라미터를 찾는 것과 같습니다. 이를 모델 기반 학습이라고 부릅니다.

 

반면, k-최근접 이웃에는 모델 파라미터가 없습니다. 훈련 세트를 저장하는 것이 훈련의 전부입니다. 이를 사례 기반 학습이라고 부릅니다.