성적 예측 시스템

이 프로젝트는 선형 회귀 모델을 사용하여 공부 시간에 따른 성적을 예측하는 시스템입니다. Exam-112.csv 데이터셋을 이용하여 학습하며, Scikit-Learn 라이브러리를 활용해 모델을 학습하고 평가합니다.

📂 프로젝트 구조

📁 프로젝트 폴더
│── Exam-112.csv  # 성적 데이터셋
│── LR_박찬영.py  # 성적 예측 코드
│── README.md  # 프로젝트 설명 파일

🛠️ 사용 라이브러리

이 프로젝트에서는 다음과 같은 Python 라이브러리를 사용합니다:

• pandas : 데이터 로드 및 전처리
• numpy : 수학 연산
• matplotlib : 데이터 시각화
• sklearn : 모델 학습 및 평가

🚀 실행 방법

1. 필요한 라이브러리를 설치합니다.

   pip install pandas numpy matplotlib scikit-learn

2. predict_scores.py 스크립트를 실행합니다.

   python predict_scores.py

📊 코드 설명 (predict_scores.py)

1. Exam-112.csv 데이터를 로드하고 결측값을 제거합니다.
2. 공부 시간(hours)을 입력, 성적(score)을 출력으로 설정합니다.
3. train_test_split을 사용하여 80%를 훈련 데이터, 20%를 테스트 데이터로 분리합니다.
4. LinearRegression 모델을 학습하고 예측을 수행합니다.
5. 모델의 MSE(평균 제곱 오차)와 R² 점수를 출력합니다.
6. 결과를 그래프로 시각화합니다.

📈 예제 결과

Mean Squared Error (MSE): 335.70
R-squared (R² Score): 0.734

📌 참고 사항

• random_state=42를 설정하여 실행할 때마다 같은 결과가 나오도록 설정하였습니다.
• 더 정밀한 분석을 위해 다중 선형 회귀 모델을 확장할 수도 있습니다.

📧 문의

프로젝트 관련 문의사항이 있다면 연락 주세요! 🚀