| 지도 학습 알고리즘 | 분류 | 회귀 |
|---|---|---|
| 샘플을 몇 개의 클래스 중 하나로 분류 | 임의의 어떤 숫자를 예측 | |
| k-최근접 이웃 알고리즘 | KNN 분류 | KNN 회귀 |
| KNeighborsClassifier | KNeighborsRegressor | |
| 새로운 샘플의 클래스를 이웃 샘플 k개의 다수 클래스로 예측 | 새로운 샘플의 타깃을 이웃 샘플 k개 수치의 평균으로 예측 |
데이터 준비: 특성-농어의 길이/ 타깃-농어의 무게
(사이킷런 패키지에서 특성의 리스트는 2차원 배열이어야 함)
→ reshape() 메소드 : 넘파이 배열에서는 배열의 크기를 지정할 수 있다.
→ ex) train_input.reshape(-1,1)
KNN 분류 → 정확도(테스트 세트에 있는 샘플을 정확하게 분류한 개수의 비율)
KNN 회귀 → 결정계수(R2)
*mean_absolute_error: 타깃과 예측의 절댓값 오차의 평균