여러가지 방법을 사용하여 비교해본 결과 VGGNet결과가 가장 좋았지만, 아직 정확도가 90%정도였다.
이를 좀 더 높이기 위한 방법으로는 데이터 보강과 학습량증가일 것으로 예측된다.
분류 결정 트리와 비슷하나 회귀 방식으로 사용된다. 훈련데이터의 범위 밖의 포인트는 예측이 불가하다.
model_tree = DecisionTreeRegressor().fit(X_train, y_train)
price_tree = model_tree.predict(X_test)
plt.semilogy(ram_prices.date, price_tree, label="Tree pridict")
위의 코드는 결정트리회귀 모델을 생성하고 학습한 후, 테스트까지 진행한다. 그 후 semilogy를 이용하여 그래프로 시각화한다.
모델의 정확도 비교(2000까지의 데이터는 훈련데이터, 그 이후는 테스트 데이터로 그래프를 그림) 위의 그래프와 같이 선형 회귀는 원래 데이터의 값과 비슷하게 예측하는 반면, 결정트리 회귀는 모르는 값 즉, 테스트 데이터에 대한 값은 예측하지 못한다. 하지만 학습한 데이터에 대해서는 정확도가 100%가 나오는 것을 볼 수 있다.