프리미어리그 데이터로 알아보는 간단한 선형회귀

1. 프리미어 리그 데이터

1.1 개요

• 프리미어 리그 데이터를 이용하여 간단한 선형회귀를 실습해보기
• 데이터에는 득점, 실점, 승점 있고 득점과 실점을 이용하여 승점을 예측하는 모델을 생성 할 예정
• Scikit-learn 패키지를 사용
  • 데이터 마이닝 및 데이터 분석과 모델링을 위한 패키지
  • 상업적으로 사용이 가능한 오픈소스

1.2 분석 절차

1.2.1 데이터 로드

• https://raw.githubusercontent.com/hmkim312/hmkim312.github.io/master/assets/datas/premierleague.csv

• 1) 위의 링크에서 control + s or command + s로 다운 받으면 csv 파일
• 2) 위의 url을 pd.read_csv로 불러와도됨

1.2.3 데이터 전처리

• 독립변수와 종속변수를 나눠줌
• 독립 변수 : 득점, 실점
• 종속 변수 : 승점

1.2.4 데이터 분석

• 학습 데이터와 테스트 데이터를 나눠줌
  • X_train, y_train, X_test, y_test
• train 데이터를 가지고 모델을 만들고 (학습), X_test를 모델에 대입하여 pred_y(예측한 y)를 만듬

1.2.5 성능 평가 : MAE(Mean Absolute Error)

• 모델로 생성된 pred_y와 y_test와 비교
• MAE는 오차에 절대값을 씌워 모두 더 한뒤 평균을 낸 값.

1.2.6 예측

• 생성된 모델에 임이의 다른 점수들을 넣어 예측하는 코드를 작성해봄

1.2.7 모델 저장 및 불러오기

• pickle을 사용하여 모델 객체를 저장하고, 불러와서 실제 사용되는지 확인해봄

2. 실습

2.1 데이터 로드

1
2
3
4
5

import pandas as pd

# premier_df = pd.read_csv('datas/premierleague.csv')
premier_df = pd.read_csv('https://raw.githubusercontent.com/hmkim312/hmkim312.github.io/master/assets/datas/premierleague.csv')
premier_df

• name : 팀명
• gf : 득점
• ga : 실점
• points : 승점
• 득점(gf), 실점(ga)를 가지고 승점(points)를 예측하는 간단한 회귀분석 모델을 만들 예정

2.2 데이터 전처리

2.2.1 독립, 종속변수 나누기

1
2

X = premier_df[['gf', 'ga']]
y = premier_df['points']

• X와 y로 독립변수와 종속변수를 나누어 주었다

2.2.2 학습 데이터와 테스트 데이터로 나누기

1
2
3
4

from sklearn.model_selection import train_test_split

X_train, X_test, y_train, y_test = train_test_split(
    X, y, test_size=0.2, random_state=1)

• Sklearn의 train_tset_split을 사용하여 학습 데이터와 테스트 데이터를 나누었다
• 테스트데이터의 사이즈는 20%(0.2)다

3. 데이터 분석

3.1 선형 회귀 모델 생성

1
2
3
4

from sklearn.linear_model import LinearRegression

lr_model = LinearRegression()
lr_model

1

LinearRegression()

• 간단히 만드는것이기 떄문에 하이퍼파라미터 튜닝은 따로 하지 않았다

3.2 모델 학습

1

lr_model.fit(X_train, y_train)

1

LinearRegression()

• 모델학습은 생성한 모델 객체에 fit만 해주면된다

3.3 예측

1
2

pred_y = lr_model.predict(X_test)
pred_y

1

array([81.04882762, 40.79688198, 50.99997729, 46.33521283])

• 예측하는 코드는 model에 predict 메서드를 사용 하면된다.
• 승점 예측인데 81.048점 등 소수점으로 나온다

1
2
3

import numpy as np

np.around(pred_y).astype('int')

1

array([81, 41, 51, 46])

• 예측한 승점 점수에 81.048점 처럼 소수점 같은건 없기 떄문에 np.around로 반올림 해준뒤 int형으로 바꿔주는 전처리를 해줌

4. 성능 평가

4.1 MAE로 성능 평가

1
2
3
4

from sklearn.metrics import mean_absolute_error

mae = mean_absolute_error(y_test, pred_y)
round(mae,2)

1

4.05

• MAE는 낮을수록 좋으나 4점이 얼마나 좋은지는 알 수는 없다.
• round 함수를 사용하여 소수점 2자리까지 출력함

5. 예측

5.1 예측 함수 작성

1
2

def make_df(gf, ga):
    return pd.DataFrame({'gf' : [gf], 'ga' : [ga]})

• gf(득점)과 ga(실점)을 넣으면 데이터 프레임으로 만들어주는 함수를 작성
• 이후 모델에 예측 데이터를 넣을때 사용하기 위해서 만든것

5.2 예측 모델 확인

1
2

gf, ga = 78, 30
int(np.around(lr_model.predict(make_df(gf, ga))))

1

82

• 득점을 78, 실점을 30점으로 넣으면 위에서 만든 선형회귀모델은 승점 82점을 예측해준다고 한다.

6. Model의 Save와 Load

6.1 Model Save

1
2
3
4

import pickle

with open('datas/premier_lr_model.pkl', 'wb') as f:
    pickle.dump(lr_model, f)

• pickle을 불러와서 모델을 저장하는 코드
• 모델을 저장하는 이유
  • Ram에 저장되어있는 model의 fit이 오래걸릴수 있음
  • 코드를 재 실행하면 학습한 model이 사라짐을 방지하기 위해

6.2 Model Load

1
2

with open('datas/premier_lr_model.pkl', 'rb') as f:
    load_model = pickle.load(f)

• 방금 저장한 모델을 load_model이라는 객체에 불러와서 저장시킴

6.3 Load된 Model 확인

1
2

gf, ga = 78, 30
int(np.around(load_model.predict(make_df(gf, ga))))

1

82

• 아까와 같이 똑같은 승점을 예측하는것을 알수있다.
• 이처럼 모델을 생성, 저장, 불러오기를 하면 매번 코드가 재실행될때마다 재 학습을 하지 않아도된다.
• 데이터가 적으면 재 학습이 오래걸리진 않으나, 데이터가 많다면 학습에 시간이 오래걸리기 때문이다.