4.2.2 k-NN 회귀 모델 생성
k-NN 회귀 개념을 살펴보았으니 이제 기본적인 sklearn 작업 흐름인 모델 작성, 학습, 예측, 평가로 다시 돌아가 보겠습니다.
In [8]:
knn = neighbors.KNeighborsRegressor(n_neighbors=3) fit = knn.fit(diabetes_train_ftrs, diabetes_train_tgt) preds = fit.predict(diabetes_test_ftrs) # 따로 떼어 둔 테스트 타깃을 대상으로 예측을 평가합니다 metrics.mean_squared_error(diabetes_test_tgt, preds)
Out [8]:
3471.41941941942
앞 장에서 배웠던 k-NN 분류 모델을 생각해 보면 두 가지 다른 점이 눈에 띕니다.
1. 모델이 다릅니다. 이번에는 KNeighborsClassifier 대신 KNeighborsRegressor를 사용합니다.
2. 평가 척도가 다릅니다. accuracy_score 대신에 mean_squared_error를 사용합니다.