Representing a model with numpy

도입

• 선형 회귀 모델을 위해서는 다음과 같은 연산 식을 수행해야 함.

• 아래 식 처리에 대한 편의성 확보를 위해서는 numpy를 활용 해야 함.

  

• numpy를 통해 메트릭스 연산을 수행할 수 있기 때문임.

  

numpy 설치

source activate ml_scratch #가상환경실행
conda install numpy #numpy 설치 
jupyter notebook #주피터 노트북 실행 

메트릭스 연산 예제

• 연산 예제 식

  

• numpy 라이브러리 설치

  import numpy as np
  

• 예제 벡터 만들기

  w_vector = np.array([[1],[1],[1]])
  x_vector = np.array([[3],[4],[5]])
  

• 벡터 출력

  [In]
  w_vector
    
  [Out]
  array([[3],
       [4],
       [5]])
  

• 메트릭스 연산

  [In]
  w_vector.T.dot(x_vector)
    
  [Out]
  array([[12]])
  

pandas를 통한 로딩 데이터 메트릭스 연산

• 연산해 볼 식

  

  y = w1*x1 + w2*x2 + w3*x3 + ... + w13*x13 + w0*1
  

• pandas 라이브러리 설정

  import pandas as pd
  

• 예제 데이터 로딩

  data_url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/housing/housing.data' #Data URL
  df_data = pd.read_csv(data_url, sep='\s+', header=None) #CSV 데이터 로드, separates는 빈공간, Column은 없음
  df_data.columns = ['CRIM','ZN','INDUS','CHAS','NOX','RM','AGE','DIS','RAD','TAX','PTRATIO','B','LSTAT','MEDY']
  df_data.head()
  

• 로딩 결과

    
  CRIM	ZN	INDUS	CHAS	NOX	RM	AGE	DIS	RAD	TAX	PTRATIO	B	LSTAT	MEDY
  0	0.00632	18.0	2.31	0	0.538	6.575	65.2	4.0900	1	296.0	15.3	396.90	4.98	24.0
  1	0.02731	0.0	7.07	0	0.469	6.421	78.9	4.9671	2	242.0	17.8	396.90	9.14	21.6
  2	0.02729	0.0	7.07	0	0.469	7.185	61.1	4.9671	2	242.0	17.8	392.83	4.03	34.7
  3	0.03237	0.0	2.18	0	0.458	6.998	45.8	6.0622	3	222.0	18.7	394.63	2.94	33.4
  4	0.06905	0.0	2.18	0	0.458	7.147	54.2	6.0622	3	222.0	18.7	396.90	5.33	36.2
  

• 데이터 첫 번째 배열 출력해 보기

  df_data.values[0]
  

• 출력 결과

  array([6.320e-03, 1.800e+01, 2.310e+00, 0.000e+00, 5.380e-01, 6.575e+00,
         6.520e+01, 4.090e+00, 1.000e+00, 2.960e+02, 1.530e+01, 3.969e+02,
         4.980e+00, 2.400e+01])
  

• 열 추가 해보기

  df_data['W0'] = 1 #weight 0 값 추가 
  df_data.head()
  

• 열 추가 결과

      CRIM	ZN	INDUS	CHAS	NOX	RM	AGE	DIS	RAD	TAX	PTRATIO	B	LSTAT	W0
  0	0.00632	18.0	2.31	0	0.538	6.575	65.2	4.0900	1	296.0	15.3	396.90	4.98	1
  1	0.02731	0.0	7.07	0	0.469	6.421	78.9	4.9671	2	242.0	17.8	396.90	9.14	1
  2	0.02729	0.0	7.07	0	0.469	7.185	61.1	4.9671	2	242.0	17.8	392.83	4.03	1
  3	0.03237	0.0	2.18	0	0.458	6.998	45.8	6.0622	3	222.0	18.7	394.63	2.94	1
  4	0.06905	0.0	2.18	0	0.458	7.147	54.2	6.0622	3	222.0	18.7	396.90	5.33	1
  

• 열 삭제 하기

  df_data=df_data.drop("MEDY", axis=1)
  df_data.head()
  

• 임의의 weight 벡터 생성하기

  df_matrix = df_data.values #Matrix Data로 변환하기
  w_vector = np.random.random_sample((14,1))
  

• 벡터 연산 하기

  y_vector = df_matrix.doc(w_vector)
  

• 결과 확인

  [In]
  y_vector
    
  [Out]
    
  array([[461.74115331],
         [440.98431883],
         [423.45917427],
         ...<중략>
  

• y_vector shape 확인

  [In]
  y_vector.shape
  [Out]
  (506, 1)