[혼공단] 5주차_머신러닝 + 딥러닝

Algo rhythm·2024년 2월 1일

K-평균 군집 알고리즘 비지도 학습 주성분 분석 혼공 혼공머신 혼공학습단

혼공단

목록 보기

10/13

1. 비지도 학습

타깃이 없을 때 데이터에 존재하는 패턴이나 데이터 구조를 파악하기 위해 사용하는 머신러닝 알고리즘
사람이 가르치지 않아도 데이터의 무엇인가를 학습

1.1. 군집 알고리즘

1.1.1. 실습

데이터 준비
데이터의 수=300, 이미지의 크기=100 X 100
첫 번째 이미지에 대한 배열 값을 출력(0 ~ 255 사이의 정수값)
0에 가까울수록 검정색으로 나타난다
넘파이 배열로 저장된 이미지를 시각화
흰 배경을 검정색으로 변환하고 실제 사과 부분을 밝은색으로 바꾼 상태이다.
원래는 배경이 흰색, 물체가 검정색에 가깝다.
그 이유는 배경과 물체 중에 더 중요한 물체에 집중하기 위해 배경을 검정, 물체를 흰색에 가깝도록 변환한 것이다.
알고리즘이 어떤 출력을 만들기 위해 곱셈, 덧셈을 한다.
픽셀값이 0이면 출력도 0이되어 의미가 없다. 픽셀 값이 높으면 출력값도 커지기 때문에 의미를 부여하기 좋다.
cmap='gray_r'을 활용하여 밝은 부분이 0에 가깝고, 어두운 부분이 255에 가깝도록 변환하였다.
그 밖의 이미지 출력
plt.subplots(1, 2)을 활용하여 이미지를 배열처럼 출력(1행, 2열로 이미지 출력)
픽셀값 분석
첫번째 차원을 -1로 할당하면 자동으로 남은 차원을 할당
샘플마다 픽셀의 평균값을 계산하기 위해 mean()메서드 사용 -> 사과 샘플 100에 대한 픽셀 평균 값을 구한다
axis 인수 : 배열의 축을 의미, axis=1은 열을 계산, axis=0은 행을 계산
사과, 바나나, 파인애플 샘플의 픽셀 평균값을 가지고 히스토그램을 그린다.
alpha=0.8 그래프의 투명도를 추하여 겹치는 영역을 볼 수 있도록 처리
사과, 파인애플의 샘플에 대한 픽셀 평균값으로는 구분할 수 없다.
샘플의 평균 값이 아닌 픽셀 별 평균값을 확인
샘플 하나가 가진 픽셀을 1 ~ 10000 번째의 배열로 변환하여 각 샘플의 n번째 픽셀의 평균값을 히스토그램으로 표현
사과, 파인애플, 바나나의 픽셀별 평균값을 확인
n번째 픽셀 별 평균값을 가지고 100 * 100 배열로 변환다음 이를 이미지로 표현
평균값과 가까운 사진 고르기
사과를 기준으로 apple_mean에 가장 가까운 사진을 선정
모든 샘플에서 apple_mean을 뺀 절댓값의 평균을 계산
군집 : 비슷한 샘플기리 그룹으로 모으는 작업
클러스터 : 군집 알고리즘에서 만든 그룹
평균값에서 가장 오차가 적은 샘플 100개를 순서대로 배치
사과 이미지만이 나열된 것을 확인
axs[i, j].axis('on') 좌표축 표시

1.1.2. 확인문제

1.2. k-평균

타깃값을 알 수 없을 때 사용한다.
군집 알고리즘이 평균값을 자동으로 찾는다.
클러스터 중심(센트로이드) : 클러스터의 중심에 위치하는 평균값

1.2.1.k-평균 작동 방식

무작위로 k개의 클러스터 중심을 정한다
각 샘플에서 가장 가까운 클러스터 중심을 찾아 해당 클러스터의 샘플로 지정
클러스터에 속한 샘플의 평균값으로 클러스터 중심을 변경
클러스터 중심에 변화가 없을 때까지 2번으로 돌아가 반복

1.2.2. 실습

데이터 수집
샘플 개수, 너비, 높이로 구성된 3차원 배열을 샘플 개수, 너비*높이의 2차원 배열로 변경
k-means 클러스터 학습
비지도 학습임을 감안하여 타깃 데이터를 사용하지 않음
세 개의 클러스터로 모인 샘플의 수를 확인
각 클러스터에 속한 이미지를 확인하기 위한 함수 생성
클러스터 0에 대한 이미지 사진을 출력
km.labels==0 : km.labels이 0 인값 외에는 모두 false가 됨
불리언 인덱싱 : 불리언 배열을 사용해 원소를 선택하는 방법
각 클러스터에 속한 이미지를 확인

1.2.2.1. 클러스터 중심

clustercenters 속성에 저장되어 있음
3d를 2d로 변경한 데이터이기 때문에 각 중심을 이미지로 출력하려면 100 * 100 크기의 2차원 배열로 변경 필수
transform() : 훈련 데이터 샘플에서 클러스터 중심까지 거리로 변환해주는 메서드
인덱스가 100인 샘플에 transform() 메서드 적용
[[3393.8136117 8837.37750892 5267.70439881]] 이를 통해 인덱스 100 샘플은 클러스터 0에 속할 것이다.
가장 가까운 클러스터 중심을 예측 클래스로 출력하는 메서드
인덱스 100의 이미지 출력
알고리즘이 최적의 클러스터를 찾기 위해 반복한 횟수

1.2.2.2. 최적의 k 찾기

비지도 학습은 군집의 개수 조차 모르기 때문에 최적의 군집 수를 결정하는 작업 또한 필요하다
엘보우 방법 : 클러스터 개수를 늘려가며 이너셔의 변화를 관찰하여 최적의 클러스터의 수를 찾는 방법
이너셔 : 클러스터 중심과 클러스터에 속한 샘플 사이의 거리의 제곱 합
클러스터에 속한샘플이 얼마나 가깝게 모였는지를 나타냄
클러스터의 수가 증가하면서 이너셔의 감소폭이 꺽이는 지점이 최적의 클러스터 수
클러스터가 3일 때 이너셔의 감소폭이 꺽인다

1.3. 차원, 차원 축소

차원 : 데이터가 가진 속성
과일 사진의 경우 100 100개의 픽셀이 있기 때문에 100 100개의 특성을 가졌다고 볼 수 있다.
다차원 배열에서 축의 개수가 차원 -> 2차원 배열에서 행과 열이 차원
1차원 배열(백터)의 경우 원소의 개수가 차원
차원 축소 : 데이터를 가장 잘 나타내는 일부 특성을 선택하여 데이터 크기를 줄이고 지도학습 모델의 성능을 향상 시킴

1.3.1. 주성분 분석(Principal Component Analysis - PCA)

분산 : 데이터가 퍼져있는 정도
주성분 : 데이터가 퍼진 정도를 가장 잘 나타낼 수 있는 선(백터)
주성분 백터의 원소 개수 = 원본 데이터셋에 있는 특성 개수
원본 데이터는 주성분을 사용해 차원을 감소 가능
주성분은 원본 차원과 같고 주성분으로 바꾼 데이터는 차원이 줄어든다
특성(또는 차원 또는 컬럼)의 수가 11개 이면 11개의 주성분을 만들 수 있다. 특성 3개 만으로 데이터 분포의 대부분을 보존할 수 있다면 주요 특성 세 가지로 분석하는 것이 주성분 분석이다.
첫 번째 주성분을 찾고 이 백터에 수직이며 분산이 가장 큰 방향을 탐색 -> 그 백터가 두 번째 주성분
데이터 수집
데이터를 100 * 100으로 배열
n_components : 매개변수에 주성분의 개수를 지정
비지도 학습이므로 fit() 메서드에 타깃값에 미제공
배열의 첫 번째 차원=50, 주성분의 개수=50
두 번째 차원은 항상 원본 데이터의 특성 개수=10000
주성분의 그림을 확인
원본 데이터의 특성 개수
pca.transform() 10000개의 특성을 50개로 축소
50개로 축소한 차원을 10000개로 복원
복원은 되었으나 원본이미지와 다소 차이가 있다.