Linear Regression 1

1. 선형 회귀 모델

1.1 선형 회귀의 의미

1️⃣ 주어진 Training Data → 2️⃣ 특징 변수(x)와 목표변수(t) 간 선형 관계 분석

→ 3️⃣ 이를 기반으로 모델 학습 → 4️⃣ 새로운 입력 데이터(Training Data X)의 결과 예측(연속적인 수치로)

1.2 트레이닝 데이터

1. kaggle에서 Dataset 다운로드

   !kaggle datasets download -d abhishek14398/salary-dataset-simple-linear-regression

2. 다운로드 파일 압축 해제

   unzip salary-dataset-simple-linear-regression.zip

3. 트레이닝 데이터 불러오기

   data = pd.read_csv("Salary_dataset.csv", sep = ',', header = 0)

   sep : .csv 파일의 각 열을 구분하는 구분자

   header = 0 : ‘csv 파일의 첫 줄을 열 이름으로 사용하겠다.’

4. 트레이닝 데이터의 특징변수, 목표변수 분리

   x = data.iloc[:, 1].values

   t = data.iloc[:, 2].values

   values : 선택한 DataFrame 값을 Numpy 형식으로 반환

1.3 상관 관계 분석

• 두 변수 간 선형 관계 파악
• 해당 관계가 양의 관계인지 파악

• 높은 상관관계를 가지는 특징 변수들이 무엇인지 파악

  ⇒ 다중 선형 회귀 모델에서는 특징 변수 중 필요하지 않은 Data 제거

1. (특징 변수, 목표 변수 간) 상관관계 분석

   np.corrcoef(x, t)

   corrcoef : correlation coefficient ⇒ 값이 1에 가까울 록 관계성 높음