데이터 한 그릇

1. 모델 저장하기 lr = LogisticRegression(max_iter = 400) lr.fit(x_train, y_train) 모델 객체를 생성하고 학습시키기 import joblib # model save joblib.dump(lr,'./model/iris_model.pkl') `joblib` 을 통해서 특정 모델을 지정된 경로에 저장하기 2. 모델 불러오기 #file -> model load model_from_joblib = joblib.load('./model/iris_model.pkl') model_from_joblib.score(x_test, y_test) 지정된 경로를 적어주고 joblib 을 통해서 불러오기

교차검증은 과적합을 방지하기 위해서 사용되며 `cross_val_score( ,data, target, cv=5)` => data를 5등분한 이후에 4개는 train 1개는 test로 사용한다. 5등분이 번갈아가면서 자신의 역할을 바꾼다. 5개의 학습된 경우의 모델이 나오고 target으로 성능평가한다. => 5개의 성능평과 결과가 나온다. 1.cross_val_score from sklearn.datasets import load_iris from sklearn.linear_model import LogisticRegression from sklearn.model_selection import cross_val_score, train_test_split 필요한 모듈들을 모두 import 해준다. dat..