[R 프로그래밍 회귀분석] 모형 학습과 테스트

안녕하세요. Growth Scientist입니다.

오늘은 회귀모형을 훈련하고 성능을 테스트 해볼거예요.

다중회귀모형은 아주 기본적인 모델이고, 머신러닝에서도 쓰이는 학습 모델이에요.

학습을 반복하며 모델의 성능을 높여 최적의 모델로 만드는 것이 목적이죠.하지만 오늘 포스팅은 한 개의 데이터 셋으로 학습과 테스트를 할 수 있는 방법을 알려드릴게요.

 

먼저 충분한 양의 표본이 있다면 학습자료와 테스트 자료로 분리시켜요.학습 자료를 새로운 다중 회귀모형으로 구성하고, 이 모형으로 테스트 자료를 이용하여 예측값(Y_hat)을 구해요.마지막으로 원시 반응변수(Y)와 예측값을 비교하며 유사성을 체크하면 끝입니다.

 

그럼 바로 실습으로 가볼까요?

 

DATA : 국민건강영양조사(2019) - hn_dat

Y <- hn_dat$HE_BMI #BMI
X1 <- hn_dat$age #연령
X2 <- hn_dat$BO1;#주관적 체형인식
X9 <- hn_dat$HE_insulin #인슐린 수치
X10 <- hn_dat$sex;X10 #성별

 

[ 자료 분리 ] 

먼저 코드부터 살펴볼게요.

학습 ./ 테스트 자료

set.seed 는 난수 생성할 때 중요한 역할을 하는데요.

내가 만들어낸 난수를 메모리 해주는 역할이라고 생각하면 쉬워요.

set.seed(123)

sample(5,3)

위 예제를 보면 123이라는 key값에 sample(5,3)의 첫번째 결과부터 저장이 돼요.

나중에 입력했던 난수를 부르고 싶으면 123을 seed로 설정하고 똑같은 명령을 주면

예전에 봤던 난수들이 다시 같은 순서로 나오게 돼요.

이 후 표본의 수만큼 난수를 만들어주고 중복이 없게 replace=F를 줍니다.

 

가지고 있던 데이터 프레임에 난수들을 열로 붙여주고,

인덱싱을 통해서 train_dat와 test_dat로 분리시켜줘요.

저는 여기서 학습 : 테스트의 자료비율을 7:3으로 설정했어요.

그리고 train 모델을 만들면 준비는 끝!

 

[ 테스트 값 생성 ] 

Y_hat

predict함수에 훈련시킨 모델에 테스트 데이터의 설명변수(X)를 넣어 예측값을 산출해요.

예측값

[ 결과 비교 ] 

결과를 비교하는 데엔 여러가지 방법이 있겠지만, 

가장 대표적으로 오차제곱합(SSE)를 쓸게요.

predict error는 예측값과 테스트자료의 Y값의 차이의 제곱합이에요.

변수변환 때문에 1/test_dat$Y가 된것을 잊지마세요!

SSE_train은 학습된 모델의 잔차(Y-Y_hat)의 제곱합이죠.

만약 두 제곱합이 유사한 값을 가진다면,

오차가 근사하다는 것이고 예측이 잘 되었다고 볼 수 있겠죠?

두 오차를 비교해보니 0.0005정도 차이가 나네요.

즉 1% 정도의 차이로 적합이 잘 된 모형이라고 할 수 있겠네요.

 

오늘은 다중회귀모형을 학습시키고 테스트 해봤어요.

앞선 포스팅에서 쭉 회귀모형의 절차를 밟으며 만들어봤는데,

생략한 부분도 많고, 빠진 부분도 있겠지만

직접 데이터를 통해 실습할 때 중요한 부분은 모두 담았어요.

 

부족하거나 강조하고 싶은 부분은 다른 포스팅에서 또 볼게요!

그럼 BYE~