[머신러닝] 1-3. 마켓과 머신러닝

가장 간단한 머신러닝 알고리즘 중 하나인 k-최근접 이웃을 사용하여 2개의 종류를 분류하는 머신러닝 모델을 훈련

생선 분류 문제

30cm보다 크면 도미! 근데 큰 생선이라고 다 도미는 아니다. 또 도미의 크기가 모두 같을 리도 없다. 어떻게 바뀌지 않을 기준을 정할까?

프로그램은 ‘누군가 정해준 기준대로’ 일을 한다. 반대로 머신러닝은 ‘스스로 기준을 찾아서’ 일을 한다. 누구도 알려주지 않은 기준을 찾아서 일을 한다. 머신러닝이 ‘30cm에서 40cm 길이의 생선은 도미이다’ 라는 기준을 찾는 것이다.

도미 데이터 준비하기

이진분류
분류: 머신러닝에서 여러개의 종류 또는 클래스(파이썬에서의 클래스와 다르다) 중 하나를 구별해 내는 문제
이진분류: 2개의 클래스 중 하나를 고르는 문제

bream_length=[32.3, 34.5, ---복붙한 내용]
bream_weight=[253.3, 535.2, ---]

첫번째 도미의 길이는 32.3이고 무게는 253.3
각 도미의 특징을 길이와 무게로 표현한 것이다. 이런 특징을 특성 이라고 부른다. 특성은 데이터의 특징!

두 특성을 숫자보다 그래프로 표현하면 데이터를 잘 이해할 수 있고 앞으로 할 작업에 대한 단서를 얻을 수 있다
길이를 x축, 무게를 y축으로 하고 각 도미를 그래프에 점으로 표현한다. 이런 그래프를 산점도라고 한다
산점도 x,y축으로 이뤄진 좌표계에 두 변수 (x,y)의 관계를 표현하는 방법

matplotlib 파이썬에서 과학계산용 그래프를 그리는 대표적인 패키지
import 따로 만들어둔 파이썬 패키지(함수 묶음)을 사용하기 위해 불러오는 명령

matplotlib 패키지를 임포트하고 산점도를 그리는 scatter()함수 사용

패키지를 임포트 할때 as키워드로 패키지 이름을 줄여서 쓰는 것을 좋아한다( ex.plt )

import matplotlib.pyplot as plt #matplotlib의 pylot 함수를 plt로 줄여서 사용

plt.scatter(bream_length, bream_weight)
plt.xlabel('length') #x축은 길이, xlabel(): x축 이름
plt.ylabel('weight') #y축은 무게, ylabel(): y축 이름
plt.show() #show(): 준비된 그래프를 화면에 출력

2개의 특성을 사용해 그린 그래프로 2차원 그래프이다

산점도 그래프가 일직선에 가까운 형태로 나타나면 선형적이라고 한다

방어 데이터 준비하기

smelt_length=[9.3, 7.5, ---복붙한 내용]
smelt_weight=[3.3, 5.2, ---]

plt.scatter(bream_length, bream_weight)
plt.scatter(smelt_length, smelt_weight)
plt.xlabel('length')
plt.ylabel('weight')
plt.show()

주황색이 빙어이다. 빙어는 도미에 비해 길이도 무게도 매우 작다. 빙어의 산점도도 선형적이지만 무게가 길이에 영향을 덜 받는다고 볼 수 있다.

첫 번째 머신러닝 프로그래밍

k-최근점 이웃 알고리즘을 사용해 도미와 빙어 데이터를 구분해보기

length=bream_length+smelt_length
weight=bream_weight+smelt_weight

사이킷런: 머신러닝 패키지, 2차원 리스트(리스트의 리스트) 필요
[[길이, 무게],[길이, 무게]]로 만드는 가장 쉬운 방법은 파이썬의 zip()함수와 리스트 내포 구문을 사용하는 것이다.
zip(): 나열된 리스트 각각에서 하나씩 원소를 꺼내 반환

fish_data=[[l,w] for l, w in zip(length, weight)]

사이킷런 패키지에서 k-최근접 이웃 알고리즘을 구현한 클래스인 KNeighborsClassifier를 임포트 한다

from sklearn.neighbors import KNeighborsClassifier

임포트한 KNeighborsClassifier 클래스의 객체를 만들고 이 객체에 fish_data와 fish_target을 전달하여 도미를 찾기 위한 기준을 학습시킨다. 이러한 과정을 훈련이라고 한다

kn.fit(fish_data, fish_target)

fit()메서드는 주어진 데이터로 알고리즘을 훈련시킨다

kn.score(fish_data,fish_target)

사이킷런에서 모델을 평가하는 메서드는 score()메서드이다. 이 메서드는 0에서 1사이의 값을 반환한다. 1은 모든 데이터를 맞춘 것이다. 이 숫자의 값을 정확도라고 한다

머신러닝 알고리즘을 구현한 프로그램을 모델이라고 부른다. 프로그램이 아니더라도 알고리즘을 구체화하여 표현한 것을 모델이라고 한다

k-최근접 이웃 알고리즘

어떤 데이터에 대한 답을 구할 때 주위의 다른 데이터를 보고 다수를 차지하는 것을 정답으로 한다

삼각형 주위에 도미 데이터가 많으므로 삼각형을 도미라고 판단한다

predict()메서드는 새로운 데이터의 정답을 예측ㅎ나다

새로운 데이터에 대해 예측할 때는 가장 가까운 직선거리에 어떤 데이터가 있는지를 살피면 된다
단점: k-최근접 이웃 알고리즘의 이런 특성 때문에 데이터가 아주 많은 경우 사용하기 어렵다. 데이터가 크기 때문에 메모리가 많이 필요하고 직선거리를 계산하는 데도 많은 시간이 필요하다

가까운 데이터 몇개를 참고하는가? 이를 정할 수 있따. KNeighborsClassifier 클래스 기본 값은 5이다. 이는 n_neighbors매개 변수로 바꿀 수 있다

kn49=KNeoghborsClassifier(n_neighbors=49)

가장 가까운 데이터 49개를 사용하는 k-최근접 이웃 모델에 fish_data를 적용하면 fish_data에 있는 모든 생선을 사용하여 예측하게 된다.

---

정리

키워드

특성 은 데이터를 표현하는 성질이다. 생선이 대상일때 길이와 무게를 특성으로 나타낼 수 있다.

머신러닝 알고리즘이 데이터에서 규칙을 찾는 것을 훈련이라고 한다. 사이킷런에서 fit()을 사용한다

k-최근접 이웃 알고리즘은 가장 간단한 머신러닝 알고리즘 중 하나이다. 어떤 규칙을 찾기보다는 전체 데이터를 메모리에 가지고 있는 것이다.

머신러닝 프로그램에서 알고리즘이 구현된 객체를 모델이라고 한다. 알고리즘 자체를 모델이라고 부르기도 한다

정확도는 정확한 답을 몇 개 맞혔는지를 백분율로 나타낸 값이다. 사이킷런에서는 0에서 1사이의 값으로 출력된다
정확도=(정확히 맞힌 개수)/(전체 데이터 개수)

핵심 패키지와 함수

matplotlib

scatter() 산점도를 그리는 맷플롯립 함수이다. 2개의 매개변수로 x축 값과 y축 값을 전달한다. 이 값은 파이썬 리스트 또는 넘파이 배열이다
c 매개 변수로 색깔을 지정한다
marker 매개 변수로 마커 스타일을 지정한다

scikit-learn

KNeighborsClassifier()는 k-최근접 이웃 분류 모델을 만드는 사이킷런 클래스이다. n_neighbors 매개변수로 이웃의 개수를 지정한다. 기본 값은 5이다.
p매개변수로 거리를 재는 방법을 지정한다.
n_jobs 매개변수로 사용할 CPU 코어를 지정할

fit()은 사이킷런 모델을 훈련할 때 사용하는 메서드이다. 처음 두 매개변수로 훈련에 사용할 특성과 정답 데이터를 전달한다

predict()는 사이킷런 모델을 훈련하고 예측할 때 사용하는 메서드이다. 특성 데이터 하나만 매개변수로 받는다

score()는 훈련된 사이킷런 모델의 성능을 측정한다. 처음 두 매개 변수로 특성과 정답 데이터를 전달한다. 먼저 predict()메서드로 예측을 수행한 다음 분류 모델일 경우 정답과 비교하여 올바르게 예측한 개수의 비율을 반환한다

---

참고: 혼자 공부하는 머신러닝+딥러닝