[ML] Your First Machine Learning Model

1. Selecting Data for Modeling

변수나 컬럼을 선택하기 위해 우리는 데이터 셋의 컬럼들을 살펴볼 필요가 있다. 이것은 데이터 프레임의 columns 속성을 통해 확인 가능하다.

import pandas as pd 

melbourne_file_path = '../input/melbourne-housing-snapshot/melb_data.csv'
melbourne_data = pd.read_csv(melbourne_file_path) 
melbourne_data.columns

# The Melbourne data has some missing values (some houses for which some variables weren't recorded.)

# dropna drops missing values
melbourne_data = melbourne_data.dropna(axis = 0)

2. Selecting The Prediction Target

우리는 예측하고자 하는 컬럼을 dot notation을 통해 추출하고 이를 예측 타겟으로 부른다. 편의를 위해 대부분의 예측 타겟은 y로 저장한다.

y = melbourne_data.Price

3. Choosing "Features"

우리의 모델 안에서 입력되어지는 컬럼을 'feature(변수)' 라고 부른다. 이 데이터셋의 경우 이 컬럼은 부동산 가격을 예측하는데 사용된다.

melbourne_features = ['Rooms', 'Bathroom', 'Landsize', 'Lattitude', 'Longtitude']

X = melbourne_data[melbourne_features]

4. Building Your Model

모델을 생성하기 위해 scikit-learn 라이브러리를 사용한다.

 

The steps to building and using a model are :

• Define : 어떤 타입의 데이터를 사용할 것인지 정의한다
• Fit : 주어진 데이터에서 패턴을 발견한다
• Predict : 데이터를 예측한다
• Evaluate : 예측한 모델의 정확도를 평가한다.

from sklearn.tree import DecisionTreeRegressor

# Define model. Specify a number for random_state to ensure same results each run
melbourne_model = DecisionTreeRegressor(random_state=1)

# Fit model
melbourne_model.fit(X, y)

많은 머신러닝 모델들은 모델 훈련시 우연성을 허용하고 있다. 이 우연성은 동일한 난수를 생성하기위해 random_state라는 parameter를 지정해 준다.

# Make predictions
melbourne_model.predict(X.head())

5. Exercise : Your First Machine Learning Model

Step 1 : Specify Prediction Target

# print the list of columns in the dataset to find the name of the prediction target
home_data.columns

y = home_data.SalePrice

Step 2 : Create X

# Create the list of features below
feature_names = ['LotArea', 'YearBuilt', '1stFlrSF', '2ndFlrSF', 'FullBath', 'BedroomAbvGr', 'TotRmsAbvGrd']

# Select data corresponding to features in feature_names
X = home_data[feature_names]

Step 3 : Specify and Fit Model

from sklearn.tree import DecisionTreeRegressor
#specify the model. 
#For model reproducibility, set a numeric value for random_state when specifying the model
iowa_model = DecisionTreeRegressor(random_state = 0)

# Fit the model
iowa_model.fit(X, y)

Step 4 : Make Predictions

predictions = iowa_model.predict(X)
print(predictions)

Source of the course : Kaggle Course _ Your First Machine Learning Model