예측하기
모델 학습시키기
모델이 값을 예측하려면 학습이 필요합니다. 그런데, 어떻게 학습을 시킬까요? 사실, 우리는 이미 이 작업을 하고 있었답니다!😉
모델을 학습시키는 과정은 데이터와 모델 간의 관계가 적절한지 확인하는 것을 말합니다. 우리는 R2 값이 1에 가까운지 확인함으로써 이를 수행했습니다. 이제, 10,000개 이상의 데이터셋을 사용해 훈련 데이터와 테스트 데이터를 만들어야 합니다. 훈련 데이터는 초기 샘플 30개 대신 무작위 샘플을 사용합니다. 텍사스 엘파소 대학교에 따르면, 데이터의 30%를 샘플로 사용하는 것이 정확한 모델을 만드는 이상적인 방법이라고 합니다. (70/30 또는 80/20 훈련과 테스트 데이터 비율에 대한 자세한 내용은 여기를 참고하세요. ) 직원 수가 증가하면 데이터셋도 함께 늘어나고 R2값도 변하게 됩니다. 따라서, 직원 데이터셋이 10,000개 이상으로 업데이트될 때마다 이 과정을 반복해야 가장 최신의 상태로 모델을 유지할 수 있습니다.
예측하기
아래 Replit에서 코드는 10,000개 이상의 데이터를 나누어 훈련 데이터와 테스트 데이터를 생성하고, 각각의 데이터셋에 대해 예측을 실행합니다.
결과 그래프를 보면, 훈련 데이터와 테스트 데이터에서 생성된 예측선(prediction line)이 매우 비슷하다는 것을 알 수 있습니다. 또한, 두 데이터셋에 대해 계산된 R2 값도 거의 동일하거나 때로는 완전히 동일합니다. 이제 아래 코드를 사용해 경력 변수를 원하는 값으로 변경해 보세요. 입력한 경력을 기준으로 예측된 급여를 그래프에서 확인할 수 있습니다.
성공했어요!
워크숍 완료