[ML] HA1 part1 (1) Linear Regression with Startup dataset

📢 학교 수업에서 수행한 과제입니다.

 

HA1 part1은 Linear Regression, Logistice Regression, GDA를 이용한 practice이다.

이번 게시글에서는 startup dataset을 이용한 Linear Regression을 수행할 것이다.

---

0. 실행 환경

구글에서 제공하는 jupyter notebook인 구글 코랩을 이용하여 코드를 작성 및 실행하였다.

런타임 설정은 none으로, gpu를 사용하지 않아도 충분하다.

 

전체 코드는 다음 코랩 노트북을 참고하라.

 

https://colab.research.google.com/drive/1H7jp0YL4kWRYWgrkG9AS0t_p2TPatNWX?usp=sharing

HA1_part1.ipynb

---

1. Linear regression with Startup dataset

우선 다음 명령어를 수행하여 startups.csv 데이터셋을 가져온다.

!wget --no-check-certificate 'https://docs.google.com/uc?export=download&id=1IejcELv6fntdfsoVVU0TZdAC8VI1m9qi' -O startups.csv

가져온 데이터셋의 overview를 확인해보자.

import pandas as pd
df = pd.read_csv('startups.csv')
df.head()

startups.csv가 다음과 같은 5개의 feature로 이루어진 것을 볼 수 있다.

 

이제 data를 visualize해보자.

import matplotlib.pyplot as plt
fig, ax = plt.subplots(1,4, figsize=(20,5))
ax[0].scatter(df['R&D Spend'], df['Administration'])
ax[0].set_title('R&D Spend vs Administration')
ax[1].scatter(df['R&D Spend'], df['Marketing Spend'])
ax[1].set_title('R&D Spend vs Marketing Spend')
ax[2].scatter(df['Administration'], df['Marketing Spend'])
ax[2].set_title('Administration vs Marketing Spend')
ax[3].scatter(df['R&D Spend'], df['Profit'])
ax[3].set_title('R&D Spend vs Profit')

 

이제 Linear Regresson을 이용해서 x (R&D Spend)와 y (Profit)에 대해 function을 fit해보자.

# use numpy
import numpy as np
from sklearn.linear_model import LinearRegression

X = np.array(df['R&D Spend'])
y = np.array(df['Profit'])

# fitting by using Linear Regression
line_fitter = LinearRegression()
line_fitter.fit(X.reshape(-1, 1), y)

# perform prediction
y_pred = line_fitter.predict(X.reshape(-1, 1))

coefficients와 bias는 다음과 같다.

print('Coefficients: ', line_fitter.coef_)
print('Bias: ', line_fitter.intercept_)

이제 given data points에 대해 fitted line을 plot 해볼 것이다.

plt.scatter(X, y, color='blue')
plt.plot(X, y_pred, color='orange')

plt.show

우리의 function이 x (R&D Spend)와 y (Profit)에 대해 잘 fit된 것을 확인할 수 있다.