TIL(2024-06-15)

머신 러닝 과제

💡알게 된것

✔ from sklearn.model_selection import train_test_split

• 데이터를 트레이닝 데이터와 테스터 데이터로 분류해주는 함수
  
• performance의 결과를 0~1사이 수치로 알려줌
• 데이터 분류 비율은 일반적으로 8:2, 7:3정도의 비율로 나눔
• 구조

train_test_split(X,y, test_size=, random_state=)

X,y는 변수 값을 의미 
test_size는 트레이닝과 테스트 데이터와 비율을 결정함. 
random_state에 값을 입력하지 않으면 랜덤한 선택으로 데이터 값을 분류, 특정수로 결정하면 Seed 값이 동일해서 동일한 방식으로 데이터를 분류함. 

✔ from sklearn.ensemble import RandomForestClassifier

• 개별 나무를 성장할 때 분리마다 랜덤으로 변수후보를 선택하고 이를 통해 개별 나무간 상관성을 줄여준다. 개별나무간 상관성이 작은 경우 랜덤 포레스트의 예측력이 올라간다.
  (# 배깅은 붓스트랩 샘플링을 이용하여 주어진 하나의 데이터로 학습된 예측 모형보다 더 좋은 모형을 만들 수 있는 앙상블 기법)

✔ from sklearn.metrics import accuracy_score

• 정확도 : 실제 데이터에서 예측 데이터가 얼마나 같은지를 판단하는 지표
• 예측 결과가 동일한 데이터 건수 / 전체 예측 데이터 건수
• 직관적으로 모델 예측 성능을 나타내는 평가 지표
• 불균형한 Label data set에서는 사용 불가

✔ from sklearn.impute import SimpleImputer

• column의 결측치를 각 column의 평균값,중간값, 최빈값 혹은 상수값으로 채우는 결측치 처리법

✔ from sklearn.preprocessing import LabelEncoder

• 데이터 전처리를 위한 함수
• 범주형 데이터로 변환