[ML] 사이킷런 설치 및 구현 (m1 macbook)

사이킷런

파이썬 머신러닝 라이브러리 중 가장 많이 사용되는 라이브러리

• 가장 파이썬스러운 API 제공
• 머신러닝을 위한 매우 다양한 알고리즘과 개발을 위한 편리한 프레임워크와 API 제공
• 오랜 기간 실전 환경에서 검증, 매우 많은 환경에서 사용됨

사이킷런 설치 (m1)

#책에서 요하는 버전
pip install scikit-learn==1.0.2
#향후 최신버전을 원할시
pip install -U scikit-learn

설치완료 후, jupyter notebook으로 버전확인

머신러닝 만들어 보기 - 붓꽃 품종 예측(분류 Classification)

붓꽃 데이터 세트는 꽃잎의 길이와 너비, 꽃받침의 길이와 너비 특징(Feature)을 기반으로 꽃의 품종을 예측

분류(Classification): 대표적인 지도학습(Supervised Learning)의 한 방법

지도학습은 학습을 위한 다양한 피처와 분류 결정값인 Lable 데이터로 모델을 학습한 뒤, 별도의 테스트 데이터 세트에서 미지의 레이블을 예측 → 정답이 주어진 데이터를 먼저 학습 한 뒤 미지의 정답을 예측

• 학습을 위해 주어진 데이터 세트: 학습 데이터 세트
• ML Model 예측 성능을 평가하기 위해 별도로 주어진 데이터 세트: 테스트 데이터 세트

---

주피터 노트북 생성 및 모듈 임포트

from sklearn.datasets import load_iris
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split

• sklearn.datasets : 사이킷런에서 자체적으로 제공하는 데이터 세트 생성 모듈 모임
• sklearn.tree: 트리 기반 ML 알고리즘을 구현한 클래스의 모임
• sklearn.model_selection: 학습데이터와 검증데이터, 예특데이터로 데이터를 분리하거나 최적의 파라미터로 평가하기 위한 다양한 모듈의 모임
  • 하이퍼 파라미터: 머신러닝 알고리즘별 최적의 학습을 위해 직접 입력하는 파라미터를 통칭 → 이를 이용해 알고리즘 성능을 튜닝할 수 있음

붓꽃 데이터 세트 생성: load_iris()

ML알고리즘은 의사 결정 트리(Decision Tree) 알고리즘으로, 이를 구현한 DecisionTreeClassifier을 적용

데이터프레임으로 피처와 데이터 값을 확인

import pandas as pd

iris = load_iris()

iris_data = iris.data

iris_label = iris.target
print('iris target값:', iris_label)

print('iris target명:', iris.target_names)

iris_df = pd.DataFrame(data=iris_data, columns=iris.feature_names)
iris_df['label']=iris.target
iris_df.head(3)

Feature

• sepal length
• sepal width
• petal length
• petal width

Label

• 0 setosa 품종
• 1 versicolor 품종
• 2 virginica 품종

예측 정확도 구하기

X_train, X_test, y_train, y_test = train_test_split(iris_data, iris_label, test_size=0.2, random_state=11)
#DecisionTreeClassifier 객체 생성
dt_clf = DecisionTreeClassifier(random_state=11)
#학습 수행
dt_clf.fit(X_train, y_train)
#학습이 완료된 DecisionTreeClassifier 객체에서 테스트 데이터 세트로 예측 수행
pred = dt_clf.predict(X_test)
from sklearn.metrics import accuracy_score
print('예측 정확도: {0:.4f}'.format(accuracy_score(y_test, pred)))

1. 데이터 세트 분리: 데이터를 학습 데이터와 테스트 데이터로 분리

• train_test_split()

학습 데이터와 테스트 데이터를 test_size 파라미터 입력값의 비율로 쉽게 분할

ex) test_size=0.2 → 테스트 데이터 20%, 학습용 데이터 80%로 전체 데이터 분할

X_train → 학습용 피처 데이터 세트

X_test → 테스트용 피처 데이터 세트

Y_train → 학습용 레이블 데이터 세트

Y_test → 테스트용 레이블 데이터 세트

1. 모델 학습: 학습 데이터를 기반으로 ML 알고리즘을 적용해 모델을 학습

• DecisionTreeClassifier 객체 생성

1. 예측 수행: 학습된 ML 모델을 이용해 테스트 데이터의 분류(즉, 붓꽃 종류)를 예측

• predict() 메서드에 테스트용 피처 데이터 세트를 입력

1. 평가: 이렇게 예측된 결괏값과 테스트 데이터의 실제 결괏값을 비교해 ML 모델 성능을 평가

• accuracy_score() 정확도 측정

사이킷런의 기반 프레임워크

Estimator 이해 및 fit(), predict()메서드

ML 모델 학습: fit()

학습된 모델의 예측: predict()

Estimator: 학습, 예측

• Classifier 분류
  • 분류 구현 클래스
    • DecisionTreeClassfier
    • RandomForestClassfier
    • GraadientBoostingClassfier
    • GaussianNB
    • SVC
• Regressor 회귀
  • 회귀 구현 클래스
    • LinearRegression
    • Ridge
    • Lasso
    • RandomForestRegressor
    • GradientBoostingRegressor

내장된 예제 데이터 세트

사이킷런에 내장된 데이터 세트는 일반적으로 딕셔너리 형태

키는 보통 data, target, target_name, feature_names, DESCR로 구셩

• data: 피처의 데이터 셋을 가리킴
• target: 분류 시 레이블 값, 회귀일 떄는 숫자 결괏값 데이터 셋
• target_names: 개별 레이블의 이름
• feature_names: 피처의 이름
• DESCR: 데이터 셋에 대한 설명과 각 피처의 설명을 나타냄

data, target→ 넘파이 배열 ndarray 타입

target_names, feature_names → 넘파이 배열 또는 파이썬 리스트(list)타입

DESCR → 스트링 타입

iris_data = load_iris()
print(type(iris_data))

<class 'sklearn.utils.Bunch'>

Bunch class는 파이선 딕셔너리 자료형과 유사

keys = iris_data.keys()
print('붓꽃 데이터 세트의 키들:', keys)

붓꽃 데이터 세트의 키들: dict_keys(['data', 'target', 'frame', 'target_names', 'DESCR', 'feature_names', 'filename', 'data_module'])

데이터 키는 피처들의 데이터 값을 가리킴

데이터세트.data 또는 데이터세트[’data’] 를 이용하여 사용