추가부분 (gradientboostring을 사용해서 예측전후의 편차줄이기)

전에 각각의 알고리즘을 적용해서 game_price를 예측했다.

그런데, 알고리즘 적용 후의 예측값과 적용 전의 값의 차이가 존재했고

그 값의 차이를 줄이기 위한 방법은 다음과 같다.

# Gradientboosting regressor 알고리즘을 사용해서 가격예측을 해야한다.
# 예측되어진 값에서 예측전의 값을 빼면 두 값의 편차가 생긴다.
# 이 편차값을 예측되어진 값에서 뺀다면 원래 초기가격에 맞춰지지 않을까 생각을 하였다.
# 이 때 두가지 가정이 주어진다
# 적용 전의 값 - 적용 후의 값 : 양수 or 음수
# 양수일 때는 적용전의 값이 클때이며
# 음수일 때는 적용 후의 값이 더 클때이다.
# 양수일때와 음수일때의 계산을 다르게 해야할 필요를 느꼈다.

코드를 통해서 확인해 본다.

# 예측전의 값과 예측후의 값의 차이를 양수와 음수로 비교해서 , 실제 가격에 맞춘다.
# 예측후의 값에서 예측 전의 값을 뺏을 때 양수일 경우
gbrt_df.loc[gbrt_df['Predicted']-gbrt_df['Actual']>0,"Final_Predict"]=gbrt_df['Predicted']-(gbrt_df['Predicted']-gbrt_df['Actual'])
# 예측후의 값에서 예측 전의 값을 뺏을 때 음수일 경우
gbrt_df.loc[gbrt_df['Predicted']-gbrt_df['Actual']<0,"Final_Predict"]=gbrt_df['Predicted']-(gbrt_df['Predicted']-gbrt_df['Actual'])
print(gbrt_df)

기존의 적용전의 price와 적용후의 price를 담고 있는 dataframe에 편차의 값에 따른 결과값( 양수일때와 음수일때 ) 을 

추가해준다.

시각화를 통해 확인해 볼 것이다.

참고한 사이트 

--> https://scikit-learn.org/stable/auto_examples/ensemble/plot_voting_regressor.html#sphx-glr-auto-examples-ensemble-plot-voting-regressor-py 

Plot individual and voting regression predictions — scikit-learn 0.21.2 documentation

 

plt.figure()
plt.plot(gbrt_df['Actual'],'gd', label='Actual_price')
plt.plot(gbrt_df['Predicted'],'b^', label='Predict_price')
plt.plot(gbrt_df['Final_Predict'],'ys', label='Final_Predict_price')
plt.tick_params(axis='x', which='both', bottom=False, top=False, labelbottom=False)

plt.ylabel('Prieces')
plt.xlabel('Feature_S')
plt.legend(loc="best")
plt.show()

 

결과값

실제가격 : 초록색

알고리즘 적용 후 예측 값 : 파란색

편차 계산한 값 : 황토색 

 

시각화로 보니 실제가격에 값이 맞춰짐을 알 수 있다.