4.7 Lab: Logistic Regression, LDA, QDA, and KNN
Sub-Chapters (하위 목차)
4.7.1 The Stock Market Data (Smarket 주식 정보 데이터 세팅)
실습 재료가 될 주가 상단/하향 추세 데이터를 로드하고 상관행렬과 페어 플롯, 기초 정보 요약 통계를 코드 셀로 점검합니다.
4.7.2 Logistic Regression (로지스틱 회귀 분석 실습)
sm.Logit() 등을 통해 주식 방향(Up/Down) 확률 예측 이진 모델을 훈련하고, 혼동 행렬(Confusion Matrix)을 추출해 평가율을 확인합니다.
4.7.3 Linear Discriminant Analysis (선형 판별 분석 실습)
DiscriminantAnalysis 패키지를 이용해 클래스들의 사전 확률과 성분 중심 평균을 추정하고 판별 공간에서 모델 객체를 훈련합니다.
4.7.4 Quadratic Discriminant Analysis (QDA 모델 실습)
QDA 클래스 객체를 선언하여 다소 더 유연한 2차 함수 경계를 탐색함으로써, LDA에 비해 모델 스코어가 개선되는지 검증합니다.
4.7.6 K-Nearest Neighbors (KNN 분류 실습)
머신런 모듈의 KNeighborsClassifier를 불러와 공간 유사 거리 기반의 예측 스코어를 도출하고 K 수를 재조율하는 작업을 실습합니다.
4.7.7 Linear and Poisson Regression on the Bikeshare Data (Bikeshare 포아송 회귀 실습)
GLM 통계 모듈 체계 안에 있는 Poisson Family 함수 매개변수를 직접 입력해, 자전거 대여 카운트 모형을 코딩으로 피팅합니다.
서브목차