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.