랜덤포레스트(with Scikit-learn)

1 개요

사이킷런으로 랜덤포레스트를 만들 수 있다.

2 방법

절차	설명	방법
데이터 정리	데이터를 불러오고 정리한다.	import pandas as pd file_path = "..path" data = pd.read_csv(file_path) # 필요한 자료를 불러온다. 혹은 df자료를 만든다. data = data.dropna(axis=0) # 해당 축에 대해 빈 자료가 있는 행을 버린다.
예측할 데이터 선정	어떤 값을 예측할지 판단 근거와 분리한다.	# 레이블 만들기. y = data.판단할열 # 판단결과가 될 열을 지정한다.(해당 열을 시리즈로 반환.) # 근거데이터 만들기. features = ['열1', '열2', ...] # 판단할 자료가 될 열을 지정한다. x = data[features] # 판단근거를 준비한다. 데이터프레임을 활용하는 경우.(열 이름을 사용해 분리하는 게 가장 간단하고 직관적이다.)
패키지 불러오기 및 데이터 입력 + 학습	데이터를 입력한다. 일반적으로 machine이라는 이름보다, classifier의 약자인 clf를 주로 쓴다.	from sklearn.enssemble import RandomForestClassifier machine = RandomForestClassifier(max_leaf_nodes=500, random_state=13) # 객체 지정 machine.fit(data, label) # 데이터와 레이블 지정하여 학습 실행. machine에 대해 다양한 파라미터가 있는데, 이는 상황에 따라 활용. 파라미터 설명 max_leaf_nodes 노드를 만드는 제한은 몇으로 할 것인지.(과적합 방지) (근데 이거 랜덤포레스트에서 쓰는 거 맞나? 의사결정트리 아니고?) n_estimators random_state 자료들을 섞을 때 random함수에 동일한 seed를 주어 매번 똑같은 결과를 얻게 하기 위함.(검증용)
예측	판단근거를 넣어주면 예측값을 돌려준다.	data_for_predict = df..... # 위에서 만든 판단근거와 동일한 형태의 df를 넣어준다. machine.predict(data_for_predict) 가격을 예측할 때 넣는 판단근거의 df는 1행만 넣어줘도 되고, 여러 행을 넣으면 리스트로 결과가 반환된다.

3 후처리

절차	설명	방법
검증	정확도가 얼마나 되는지 검증한다. 훈련데이터와 검증데이터의 분류는 Scikit-learn문서를 참고하자. 여기선 평균 오류값을 구하는 예시를 두었다.	from sklearn.metrics import mean_absolute_error new_data = df..... # 테스트에 쓰일 df. y = new_data.판단할열 # 실제 결과 # 근거데이터 만들기. features = ['열1', '열2', ...] # 판단할 자료가 될 열을 지정한다. x = new_data[features] # 판단근거를 준비한다. predict = machine.predict(new_data) # 결과 예상하기. mean_absolute_error(predict, y) # 예상결과와 실제값을 비교하여 평균 에러를 반환한다.