Node 02. 사이킷런(scikit-learn) 살펴보기

2-1. 들어가며

---

학습 목표

• 범주형 데이터의 전처리
• 수치형 데이터의 전처리
• 머신러닝을 이용한 예측

2-2. 사이킷런 활용하기

---

사이킷런?

• python을 이용한 머신러닝 툴(도구)
• 데이터 분석 및 예측을 위한 툴
• 오픈 소스
• 사용이 쉽다는 장점이 있음.
  • 학습 : fit, 예측 : predict

사이킷런의 용도

• 분류(ex. 스팸인지 아닌지)
• 회귀(ex. 가격 예측)
• 클러스터링 (ex. 고객 세그먼트)
  • 비지도 학습
• 차원축소 (ex. 컬럼 수 간소화)
• 모델 선택 (ex. 모델 튜닝, 평가)
• 전처리 (ex. 데이터 가공/변환)

실습

• 데이터 불러오기(final_modudak.csv)
• 데이터 변경(기존 2가지 원산지, 별도의 1가지 원산지 추가)
• 활용 데이터 선택

2-3. 데이터 전처리: 범주형 데이터

---

type 확인

레이블 인코딩

각 고유값에 -> 고유 숫자 부여

• 라이브러리 불러오기 & 레이블 인코딩 준비
  

• fit_transform: 한번에 학습한 결과 출력
  

• 확인
  

• '살찔까요' 레이블 인코딩
  

• 여러 컬럼 인코딩

  • cols = df.select_dtypes(include='object').columns
    

• 반복문 사용
  

원핫 인코딩

새 컬럼을 만듦(해당 컬럼이 맞으면 1, 아니면 0으로 채워짐)

• 활용 데이터
  

• 원핫인코딩

  • sparse는 sparse_output으로 이름 변경됨.
    

• 카테고리 확인

  • _
    
  • 피쳐 이름 및 카테고리
    

• 데이터 프레임으로 변환 & 합치기
  

• 원본 컬럼은 삭제
  

• 여러 컬럼 인코딩(앞, 뒤 과정은 1개 컬럼 인코딩 시와 동일)
  

판다스로 원핫인코딩 한번에 하자!

• pd.get_dummies()
  

2-4. 데이터 전처리: 수치형 데이터

---

표준화(StandardScaler)

• 평균 0, 분산 1인 표준정규분포로 변환

• StandardScaler 임포트하여 바로 사용
  

• 여러 컬럼에 적용
  

정규화(MinMaxScaler)

• 데이터 값을 0~1로 축소
  

2-5. 사이킷런에서 제공하는 데이터셋

---

유방암 데이터

• 사이킷런 데이터 불러오기
  

  • data
    
  • target, frame, target_names
    
  • DESCR, feature_names, filename, data_module
    

• 피처 이름 확인 : .feature_names
  

• 타겟 확인 : .target
  

• 데이터 확인
  

• 데이터프레임으로 변환
  

• 타겟 추가
  

• 데이터셋 확인
  

당뇨병 데이터

• 당뇨병 데이터
  

• 데이터 프레임으로 변환

diabetes_df = pd.DataFrame(data=dataset.data, columns=dataset.feature_names)

• 타겟 추가

diabetes_df['target'] = dataset.target

2-6. 머신러닝

---

분류

검증데이터 분리

• X : train 데이터 확인
  

• y : train 데이터 확인
  

• 데이터 사이즈
  

의사결정나무(DecisionTree)

• 분류 ➡️ 모델 선택 ➡️ 학습&예측 순서
  

평가(accuracy)

• accuracy_score(실제값, 예측값)
  

회귀

검증데이터 분리

• test_size=0.3 : 데이터를 학습용 70%, 테스트용 30%로 설정

• random_state : 랜덤값 고정해서 같은 결과 빼낼 때 사용
  

• X : train 데이터 확인
  

• y : train 데이터 확인
  

• 데이터 사이즈
  

선형회귀 (LinearRegression)

• 회귀 ➡️ 모델 선택 ➡️ 학습&예측 순서
  

평가(MSE)

• mean_squared_error(실제값, 예측값)
  

2-7. 공식문서 소개

---

scikit-learn official document

• 현재, 공식문서에서는 튜토리얼이 삭제되었으나 "한글 번역본"이 있는 상태
  🔗 scikit-learn-korean