인프런 커뮤니티 질문&답변

해결되었습니다! 감사합니다 선생님!

import matplotlib.pyplot as plt

from sklearn.pipeline import Pipeline 

from sklearn.model_selection import train_test_split

from sklearn.model_selection import cross_val_score

from sklearn.preprocessing import PolynomialFeatures

from sklearn.linear_model import LinearRegression

import numpy as np

from sklearn.metrics import mean_squared_error, r2_score

%matplotlib inline

def true_fun(x):

    return np.cos(1.5 *np.pi * x) 

# random 값으로 구성된 X값에 대해 Cosine 변환값을 반환  

np.random.seed(0)

n_samples=30

x=np.sort(np.random.rand(n_samples))

y=true_fun(x)+np.random.randn(n_samples)*0.1

plt.figure(figsize=(14,5))

degrees=[1,4,15]

for i in range(len(degrees)):

    ax=plt.subplot(1,len(degrees),i+1)

    plt.setp(ax,xticks=(),yticks=())

    # 개별 degree별로 polynomial 변환합니다.

    polynomial_features=PolynomialFeatures(degree=degrees[i],include_bias=False)   # 상수항 포함 X

    linear_regression=LinearRegression()

    pipe=Pipeline([('polynomial_features',PolynomialFeatures),('linear_regression',LinearRegression)])

    pipe.fit(x.reshape(-1,1),y)

    scores=cross_val_score(pipe,x.reshape(-1,1),y,scoring='neg_mean_squared_error',cv=10)

    #pipeline을 구성하는 세부 객체를 접근하는 named_steps['객체명']을 이용해 회귀계수 추출

    coefficients=pipe.named_steps['linear_regression'].coef_

    print("\n Degree {0} 회귀 계수는 {1} 입니다.".format(degrees[i],np.round(coefficients,2)))

    print('\n Degree {0} MSE는 {1}입니다.'.format(degrees[i],-1*np.mean(scores)))

    # 0부터 1까지 테스트 데이터 세트를 100개로 나눠 예측을 수행합니다. 

    # 테스트 데이터 세트에 회귀 예측을 수행하고 예측 곡선과 실제 곡선을 그려서 비교합니다.

    X_test=np.linspace(0,1,100)

    # 예측값 곡선

    plt.plot(X_test,pipe.predict(X_test[:,np.newaxis]),label="Model")

    # 실제값 곡선

    plt.plot(X_test.true_fun(X_test),'--',label="True function")

    plt.scatter(X,y,edgecolor='b',s=20,label="Samples")

    plt.xlabel("X");plt.ylabel("y");plt.xlim((0,1));plt.ylim((-2,2));plt.legend(loc='best') # 최적의 위치에 범례 위치시킴

    plt.title("Degree {}\nMSE={:.2e}(+/-{:.2e})".formate(degrees[i],-scores.mean(),scores.std()))

plt.show()

안녕하십니까,

작성하신 전체 소스코드를 여기에 올려봐 주시겠습니까?