3. 아이오와 집값 예측하기

 주관식 예측

• Yes, No 가 아닌 숫자 자체를 예측해 보는 것이다.
• 여기서 말하는 집값 예측이란 집값이 앞으로 오를 건지 내릴 건지를 예측하는 것이 아니고 조건이 이럴 경우(방이 몇 개라든지, 방향이 어느 쪽이라든지, 역에서 얼마만큼 떨어져 있다든지 등) 집값이 대략 얼마 정도 할 것이라고 짐작해 보는 예측을 의미한다.

• 파일을 불러온 후 '아이오와 집값 예측_공부' 파일을 로드시킨다.
• 집값을 예측하는 것이므로 제일 마지막에 SalePrice 변수의 Role을 Target으로 변경한다.

• 수많은 변수들 중 어떤 변수가 Target 즉, 집값에 영향을 끼치는지 보고 싶다면 파일에서 Rank을 연결한다.

• 결과를 보니 이웃, 2층 외관, BSM 노출 등이 집값에 가장 영향을 끼치는 것으로 나타났다.

 

 회귀 분석 모델

• 객관식 예측 : knn, Tree, Random Forest
• 주관식 예측 : Linear Regression 4개
• 4개의 Linear Regression의 Regulization의 4가지를 각각 선택한다.

• Test and Score에 각 모델과 데이터를 연결한다.
• Test and Score를 확인한다.

• R2를 클릭해 내림차순으로 정렬해 보면 Random Forest가 1위인 것을 확인할 수 있다.
• R2는 흔히 설명력이라고 하고 높을수록 Regression의 대표 성능 지표이다.

 집값 예측

• 화면 아래에 파일을 불러와 '아이오와 집값 예측-적용' 파일을 로드시킨다.
• 마찬가지로 SalePrice를 Target으로 변경한다.
• Prediction을 불러온 후 각 모델과 데이터에 연결한다.
• Prediction 클릭하여 확인한다.