숫자 예측하기

Coddy Machine Learning 여정의 지도 학습 섹션에 포함된 레슨. 58개 중 11번째.

이 장의 모델은 숫자를 예측합니다. 이 장을 마칠 때쯤이면 모델이 놓친 부분을 보여 주는 차트가 모델이 간과한 것을 드러낼 것입니다:

온도에 따른 모델의 오차를 보여 주는 차트: 점들이 0의 점선 주위에서 -280에서 +140까지 올라갔다가 다시 내려오는 아치 모양을 이루며, 다음과 같이 표시되어 있습니다: 모델이 곡선을 간과했습니다

알고 있는 직선부터 시작하세요. LinearRegression은 샘플마다 행 하나, 특성마다 열 하나로 이루어진 표 X에서 그 직선을 학습합니다:

from sklearn.linear_model import LinearRegression

area = np.array([60, 75, 90, 110, 130, 150])  # 주택 면적, 단위는 m²
price = np.array([215, 248, 290, 335, 385, 428])  # 천 달러
X = area.reshape(-1, 1)  # 6개 행, 1개 열
model = LinearRegression()
model.fit(X, price)
print(np.round(model.coef_, 2), np.round(model.intercept_, 2))
print(np.round(np.polyfit(area, price, 1), 2))

같은 줄을 두 번 출력합니다:

[2.39] 71.59
[ 2.39 71.59]

점으로 표시된 여섯 개의 집, 면적에 대한 가격 그래프에서 두꺼운 주황색 LinearRegression 선과 검은색 점선 np.polyfit 선이 정확히 겹쳐 있음: price = 2.39 * area + 71.59

coef_에는 특성마다 하나씩 기울기가 들어 있습니다. 면적이 1m² 늘어날 때마다 2.39천 달러가 더해집니다. intercept_는 0m²에서의 직선의 시작점입니다. 그러면 model.predict([[100]])은 100m²의 가격을 약 310.85천 달러로 예측합니다.

챌린지

중급

인쇄소는 가격을 공개하지 않았지만, 과거 작업 10건의 데이터인 달러 단위의 pages와 price가 있습니다. 프로그램은 새 작업의 페이지 수를 읽습니다.

페이지 수를 한 열짜리 표로 만들어 LinearRegression을 학습시킵니다.
페이지당 가격(소수점 이하 3자리)과 설정 수수료인 절편(소수점 이하 2자리)을 출력합니다.
새 작업의 예측 가격(소수점 이하 2자리)을 출력합니다.

다른 인쇄소와 120의 경우:

Per page: 0.095 dollars
Setup fee: 4.1 dollars
120 pages: 15.5 dollars

직접 해보기

import numpy as np
from sklearn.linear_model import LinearRegression

# 지난 인쇄 작업 10건: 인쇄한 페이지 수와 지불한 금액(달러)
pages = np.array([40, 75, 120, 160, 210, 260, 300, 380, 450, 520])
price = np.array([7.38, 12.6, 17.65, 20.69, 26.63, 32.18, 37.76, 46.4, 55.17, 60.89])
new_pages = int(input())

# 아래에 코드를 작성하세요