Machine Learning - Random Forest 집값 예측하기 Part2

데이터 출처 : www.kaggle.com/harlfoxem/housesalesprediction

House Sales in King County, USA

 

ipynb file : github.com/sangHa0411/DataScience/blob/main/House_Sales.ipynb

sangHa0411/DataScience

 

Part2에서는 Part1에서 진행한 데이터 분석을 토대로 해서 특성을 추출하고 이를 이용해서 Random Forest를 사용해보겠습니다.

아래는 Part1에서 결정한 최종적으로 사용할 데이터 특성들입니다.

 

위의 특성들만을 먼저 선택해서 데이터 프레임을 만듭니다.

그 후에 price_scaled 속성을 label로 선정하고 기존 데이터에서 Price와 관련된 데이터 속성을 제거함으로써 데이터와 레이블을 정합니다.

여기서 scikit learn을 이용해서 데이터를 훈련 데이터와 테스트 데이터로 분할합니다.

분할 정도는 80% : 20% 로 데이터를 분할합니다.

그 다음은 데이터를 numpy array로 변경해서 scikit learn의 RandomForest를 학습시킬 수 있도록 해줍니다.

최종적인 데이터 구조는 아래와 같습니다.

sklearn에서 RandomForestRegressor를 불러오고 훈련데이터를 이용해서 RandomForest를 학습시킵니다.

 

RandomForest 참고 자료 : towardsdatascience.com/understanding-random-forest-58381e0602d2

Understanding Random Forest

위 자료에서 RandomForest에 대해서 알기 쉽게 정리되어있습니다.

이제 훈련된 Random Forest를 이용해서 테스트 데이터를 기반으로 집 값을 예측해보곘습니다.

 

이제 이 예측 결과와 실제 결과를 그래프로 비교해보겠습니다.

데이터 갯수가 많아서 위 그래프로는 예측이 잘 되어 있는지 없는지 파악이 힘듭니다.

 

여기서 특정 부분을 확대해서 다시 그려보면 아래와 같습니다.

자세한 코드는 위 github 를 보시면 확인하실 수 있습니다.

예측이 완전히 맞는 것은 아니지만 그래도 큰 차이 없이 예측이 어느정도 잘 되는 것을 확인할 수 있습니다.

 

이제 구체적인 수치로써 테스트 데이터의 실제 집 값과 예측 값에 대한 오류 값을 계산하겠습니다.

RMSE 수치로 1.920 값이 된 것을 확인할 수 있습니다.