[Machine Learning] 사이킷런(sklearn) - 기초

김형준·2023년 1월 10일

machine learning scikit learn sklearn 기초 사이킷런

Machine Learning

목록 보기

1/1

사이킷런(sklearn)이란?

scikit-learn(사이킷런)은 파이썬을 대표하는 머신러닝 분석을 할 때 유용하게 사용할 수 있는 라이브러리입니다. 여러가지 머신러닝 모듈로 구성되어 있습니다. scikit-learn은 오픈 소스로 공개되어 있습니다. 초심자가 기계학습을 배우기 시작할 때 적합한 라이브러리라고 합니다.

사이킷런 설치

pip install scikit-learn 명령어를 실행하여 설치할 수 있습니다.

사이킷런 사용 방법

사이킷런은 알고리즘이 많이 포함되어 있기 때문에, 필요한 알고리즘을 호출하여 사용합니다.

사이킷런을 사용한 프로그램은 기본적으로 아래의 구성을 따릅니다.

라이브러리 import

학습 데이터나 테스트 데이터 준비

알고리즘 지정과 학습 실행

테스트 데이터로 테스트

필요에 따라 정밀도 등을 시각화

사이킷런을 사용한 기계학습 예제

1. 데이터 세트 읽기

# scikit-learn 라이브러리 가져오기
from sklearn import datasets

# 데이터 세트 읽어오기
digits = datasets.load_digits()

# 무슨 데이터인지 확인하기
import matplotlib.pyplot as plt
plt.matshow(digits.images[0], cmap="Greys")
plt.show()

위 코드를 입력하면 아래와 같은 화면이 나옵니다.

당연하게, sklearn과 matplotlib를 설치해야합니다.
pip install scikit-learn
pip install matplotlib

필자의 경우

pip install scikit-learn과 pip install matplotlib를 하였음에도 오류가 발생하여 파이썬 버전을 3.10.9로 바꾸었더니 실행되었습니다.

2. 훈련 데이터와 테스트 데이터 준비

훈련 데이터(train data)를 통하여 학습하고 테스트 데이터(test data)를 통하여 학습의 결과를 검증합니다.

# 화상 데이터를 배열로 한 것(numpy.ndarray형)
X = digits.data

# 이미지 데이터에 대한 숫자(numpy.ndarray형) (라벨)
y = digits.target

# 훈련 데이터와 테스트 데이터로 나누다
# 훈련 데이터 : 짝수 행
X_train, y_train = X[0::2], y[0::2]
# 테스트 데이터: 홀수 행
X_test, y_test = X[1::2], y[1::2]

3. 학습

이제 모델을 통하여 학습을 해보겠습니다.

# 학습기 작성. SVM이라는 알고리즘을 선택
from sklearn import svm
clf = svm.SVC(gamma=0.001)

# 훈련 데이터와 라벨로 학습
clf.fit(X_train, y_train)

SVM이라는 알고리즘을 사용하였습니다.

4. 모델 평가

최종적으로 모델의 학습 결과를 테스트 데이터를 사용하여 평가해보겠습니다.

# 테스트 데이터로 시험한 정답률을 반환하다
accuracy = clf.score(X_test, y_test)
print(f"정답률: {accuracy}")

# 학습된 모델을 사용하여 테스트 데이터를 분류한 결과를 반환한다.
predicted = clf.predict(X_test)

import sklearn.metrics as metrics

# 자세한 리포트
# precision(적합율): 선택한 정답/선택한 집합
# recall(재현율) : 선택한 정답 / 전체 정답
# F-score(F값) : 적합률과 재현율은 트레이드오프의 관계에 있기 때문에
print("classification report")
print(metrics.classification_report(y_test, predicted))

학습의 결과는 콘솔창에 나오며 아래와 같습니다.

정답률: 0.9866369710467706
classification report
              precision    recall  f1-score   support

           0       1.00      0.99      0.99        88
           1       0.98      1.00      0.99        89
           2       1.00      1.00      1.00        91
           3       1.00      0.98      0.99        93
           4       0.99      1.00      0.99        88
           5       0.98      0.97      0.97        91
           6       0.99      1.00      0.99        90
           7       0.99      1.00      0.99        91
           8       0.97      0.97      0.97        86
           9       0.98      0.97      0.97        91

    accuracy                           0.99       898
   macro avg       0.99      0.99      0.99       898
weighted avg       0.99      0.99      0.99       898

전체 코드

# scikit-learn 라이브러리 가져오기
from sklearn import datasets

# 데이터 세트 읽어오기
digits = datasets.load_digits()

# 무슨 데이터인지 확인하기
import matplotlib.pyplot as plt
plt.matshow(digits.images[0], cmap="Greys")
plt.show()

# 화상 데이터를 배열로 한 것(numpy.ndarray형)
X = digits.data

# 이미지 데이터에 대한 숫자(numpy.ndarray형) (라벨)
y = digits.target

# 훈련 데이터와 테스트 데이터로 나누다
# 훈련 데이터 : 짝수 행
X_train, y_train = X[0::2], y[0::2]
# 테스트 데이터: 홀수 행
X_test, y_test = X[1::2], y[1::2]

# 학습기 작성. SVM이라는 알고리즘을 선택
from sklearn import svm
clf = svm.SVC(gamma=0.001)

# 훈련 데이터와 라벨로 학습
clf.fit(X_train, y_train)

# 테스트 데이터로 시험한 정답률을 반환하다
accuracy = clf.score(X_test, y_test)
print(f"정답률: {accuracy}")

# 학습된 모델을 사용하여 테스트 데이터를 분류한 결과를 반환한다.
predicted = clf.predict(X_test)

import sklearn.metrics as metrics

# 자세한 리포트
# precision(적합율): 선택한 정답/선택한 집합
# recall(재현율) : 선택한 정답 / 전체 정답
# F-score(F값) : 적합률과 재현율은 트레이드오프의 관계에 있기 때문에
print("classification report")
print(metrics.classification_report(y_test, predicted))

로지스틱 회귀로 변환

학습기 작성의 2행을 아래와 같이 변경하면 기계학습 알고리즘을 로지스틱 회귀로 변환할 수 있습니다.

# 학습기 작성. 로지스틱 회귀라는 알고리즘을 선택
from sklearn.linear_model import LogisticRegression
clf = LogisticRegression()

학습의 결과는 콘솔창에 나오며 아래와 같습니다.

정답률: 0.9532293986636972
classification report
              precision    recall  f1-score   support

           0       1.00      0.98      0.99        88
           1       0.87      0.96      0.91        89
           2       0.97      0.99      0.98        91
           3       0.98      0.95      0.96        93
           4       0.94      0.99      0.96        88
           5       0.97      0.96      0.96        91
           6       0.97      0.99      0.98        90
           7       0.97      0.97      0.97        91
           8       0.94      0.88      0.91        86
           9       0.95      0.88      0.91        91

    accuracy                           0.95       898
   macro avg       0.95      0.95      0.95       898
weighted avg       0.95      0.95      0.95       898

전체 코드

# scikit-learn 라이브러리 가져오기
from sklearn import datasets

# 데이터 세트 읽어오기
digits = datasets.load_digits()

# 무슨 데이터인지 확인하기
import matplotlib.pyplot as plt
plt.matshow(digits.images[0], cmap="Greys")
plt.show()

# 화상 데이터를 배열로 한 것(numpy.ndarray형)
X = digits.data

# 이미지 데이터에 대한 숫자(numpy.ndarray형) (라벨)
y = digits.target

# 훈련 데이터와 테스트 데이터로 나누다
# 훈련 데이터 : 짝수 행
X_train, y_train = X[0::2], y[0::2]
# 테스트 데이터: 홀수 행
X_test, y_test = X[1::2], y[1::2]

# 학습기 작성. 로지스틱 회귀라는 알고리즘을 선택
from sklearn.linear_model import LogisticRegression
clf = LogisticRegression()

# 훈련 데이터와 라벨로 학습
clf.fit(X_train, y_train)

# 테스트 데이터로 시험한 정답률을 반환하다
accuracy = clf.score(X_test, y_test)
print(f"정답률: {accuracy}")

# 학습된 모델을 사용하여 테스트 데이터를 분류한 결과를 반환한다.
predicted = clf.predict(X_test)

import sklearn.metrics as metrics

# 자세한 리포트
# precision(적합율): 선택한 정답/선택한 집합
# recall(재현율) : 선택한 정답 / 전체 정답
# F-score(F값) : 적합률과 재현율은 트레이드오프의 관계에 있기 때문에
print("classification report")
print(metrics.classification_report(y_test, predicted))

자료 출처

https://scikit-learn.org/stable/tutorial/basic/tutorial.html

김형준

[Machine Learning] 사이킷런(sklearn) - 기초