머신러닝 - 선형 회귀분석 모델(Linear Regression) 2

# 라이브러리 불러오기 
import numpy as np
import pandas as pd

import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression

# 훈련 데이터 
df = pd.read_csv('https://ds-lecture-data.s3.ap-northeast-2.amazonaws.com/house-prices/house_prices_train.csv')
# 테스트 데이터
df_t = pd.read_csv('https://ds-lecture-data.s3.ap-northeast-2.amazonaws.com/house-prices/house_prices_test.csv')

# 데이터 불러오기 
X = df[['GrLivArea']]
y = df['SalePrice']

# 모델 정의
model = LinearRegression()
# 모델 훈련
model.fit(X,y)

# 모델 예측
X_t = df_t[['GrLivArea']]
y_pred = model.predict(X_t)

# 훈련 결과 확인 
print(f"단순 회귀 - 기울기(GrLivArea): {model3.coef_[0]:.2f}")
print(f"단순 회귀 - 절편: {model3.intercept_:.2f}")

plt.scatter(X, y, color="blue", label="실제 값")
plt.plot(X_t, y_pred, color="red", label="예측 값 (회귀선)")
plt.xlabel("GrLivArea")
plt.ylabel("SalePrice")
plt.legend()
plt.title("Simple_model: GrLivArea와 SalePrice")
plt.show()

# 데이터 불러오기
X = df[['GrLivArea', 'LotArea']]
y = df['SalePrice']

# 모델 정의
model4 = LinearRegression()
# 모델 훈련
model4.fit(X, y)

# 모델 예측
y_pred = model4.predict(X)
X_t = df_t[['GrLivArea','LotArea']]
y_pred_t = model4.predict(X_t)  # 실제데이터가 아닌 테스트 데이터로 예측

MSE = mean_squared_error(y, y_pred)
MSE

# 3099258070.4722357