편집
1,419
번
바뀜
→기초 사용법
== 개요 ==
== 개요 ==
사이킷런. 파이썬 머신러닝 라이브러리의 기준 격인 라이브러리.
사이킷런. 파이썬 머신러닝 라이브러리의 기준 격인 라이브러리.
기계학습을 구현하는데 필요한 대부분의 기능을 담고 있다.
== 사용 ==
== 사용 ==
|데이터를 다룰 때 사용할 도구.
|데이터를 다룰 때 사용할 도구.
|pip install pandas
|pip install pandas
|}
|}
=== 기초 사용법 ===
=== 기초 사용법 ===
일반적으로 판단근거를 data, 판단결과를 label이라 구분하여 사용한다. 혹은 함수의 형태를 본따 x, y로.
{| class="wikitable"
{| class="wikitable"
!의도
!의도
|훈련데이터와 테스트데이터 분리
|훈련데이터와 테스트데이터 분리
|귀찮은 일을 모듈이 해준다.
|귀찮은 일을 모듈이 해준다.
{| class="wikitable"
|+자주 사용하는 옵션
!의도
!설명
|-
|stratify=df['해당열']
|범주별 비율을 비슷하게 맞춰 데이터를 분리한다.
(원 데이터에서 하나의 범주만 너무 많거나 적은 경우 사용하여 비율을 지킨다.)
|}
|<syntaxhighlight lang="python">
|<syntaxhighlight lang="python">
from sklearn.model_selection import train_test_split
from sklearn.model_selection import train_test_split
train_x, test_x, train_y, test_y = train_test_split(data, label, test_size=0.2, train_size=0.8, ,random_state=1)
</syntaxhighlight>random_state는 random함수의 seed값을 고정하여 매번 같은 데이터를 얻게 하기 위함.(test용, 교육용에서 채점 등에 사용. 모델이 랜덤한 효과로 좋아지지 않도록.)
</syntaxhighlight>간단하게 모듈을 사용할 수도 있다.<syntaxhighlight lang="python">
일반적으로 이 대신 test_size=0.2 를 사용한다.(20%가 test 데이터로)(전체 값이 1이 아닌지, train_size와 같이 넣는다.)
|-
|-
|학습한 매개변수 저장하기
|학습한 매개변수 저장하기
|}
|}
= 결측치 처리 =
{| class="wikitable"
!방법
!설명
|-
|DataFrame을 사용하는 경우
|[[결측치 다루기:pandas]] 문서를 참고하자.
|}
= 모델 검증 =
{| class="wikitable"
!방법
!설명
|-
|평균 에러정도 검증
|<syntaxhighlight lang="python">
from sklearn.metrics import mean_absolute_error
data = df..... # 예상에 쓰일 df.
y = data.판단할열 # 실제 결과
# 근거데이터 만들기.
features = ['열1', '열2', ...] # 판단할 자료가 될 열을 지정한다.
x = data[features] # 판단근거를 준비한다.
predict = machine.predict(data) # 결과 예상하기.
mean_absolute_error(y, predict) # 예상결과와 실제값을 비교하여 평균 에러를 반환한다.
</syntaxhighlight>둘 사이의 차이를 구하는 함수로, 순서는 달라져도 상관 없다.
|-
|정답률 검증
|<syntaxhighlight lang="python">
right =0; total =0
for idx, answer in enumerate(label): # 레이블의 인덱스를 얻는다.
p = pre[idx] # 인덱스값에 해당하는 예측값.
if p = answer: right += 1 # 정답과 일치한다면 right에 하나 추가.
total += 1
print("정답률 : ", right/total)
</syntaxhighlight>간단하게 모듈을 사용할 수도 있다.<syntaxhighlight lang="python">
from sklearn.metrics import accuracy_score # 추가로 가져온다.
score = accuracy_score(label, pre) # 레이블과 예측값을 넣는다.
print('정답률 : ', score)
</syntaxhighlight>
|}
== SVM 알고리즘 ==
== SVM 알고리즘 ==
사용할 수 있는 SVM 알고리즘은 다음과 같다. 객체를 만들 때 알고리즘 이름만 바꾸어주면 된다.
사용할 수 있는 SVM 알고리즘은 다음과 같다. 객체를 만들 때 알고리즘 이름만 바꾸어주면 된다.
</syntaxhighlight>
</syntaxhighlight>
|-
|-
|학습
|학습객체 지정 및 학습
|일반적으로 machine이라는 이름보다,
|일반적으로 machine이라는 이름보다,
|}
|}
== 랜덤 포레스트 ==
== 크로스 밸리데이션 ==
{| class="wikitable"
{| class="wikitable"
!절차
!절차
!방법
!방법
|-
|-
|패키지 불러오기 및 데이터 정리
|크로스밸리데이션 하기
|
|검증한다.
결과는 나누는 데이터 갯수만큼 배열(numpy.ndarray)로 나온다.
|<syntaxhighlight lang="python">
|<syntaxhighlight lang="python">
from sklearn.enssemble import RandomForestClassifier
from sklearn import svm, model_selection # svm에 대한 벨리데리션을 실행해본다.
clf = svm.SVC()
scores = model_selection.cross_val_score(clf, data, label, cv=5) # 5개의 데이터로 나누어 진행.
</syntaxhighlight>
|}
== 매개변수 찾기. 그리드 서치 ==
각각의 학습방법에 대해 매개변수를 조절해야 할 필요가 있다. 관련된 변수의 최적값을 자동으로 찾아주는 기능. 정답률을 개선시켜준다.
단지, 시간이 더 오래걸린다.
{| class="wikitable"
!절차
!설명
!방법
|-
|-
|학습
|모델 부르기 및 그리드서치 매개변수 설정
|일반적으로 machine이라는 이름보다,
|매개변수의 후보들을 등록한다.
|<syntaxhighlight lang="python">
from sklearn import svm # svm에 대해 실행.
from sklearn.grid_search import GridSearchCV
params = [
{"C":[1,10,100,1000], "kernel":['linear']},
{"C":[1,10,100,1000], "kernel":['rbf'], "gamma":[0.001, 0.0001]}
]
</syntaxhighlight>
|-
|그리드서치 수행
|n_jobs는 병렬계산할 프로세스 지정. -1은 자동으로 진행한다는 의미.
|<syntaxhighlight lang="python">
|<syntaxhighlight lang="python">
clf = GridSearchCV(svm.SVC(), params, n_jobs=-1) # 그리드서치 관련내용이 담긴 객체를 생성.
clf.fit(train_data, train_label) # 이 객체를 학습시킨다.
</syntaxhighlight>
</syntaxhighlight>
|}
|}
[[분류:머신러닝 라이브러리]]
[[분류:머신러닝 프레임워크]]
[[분류:Scikit-learn]]