[혼공머신] 02. 정리

▷ 키워드 핵심 포인트

지도 학습 : 입력과 타깃을 전달하여 모델을 훈련한 다음 새로운 데이터를 예측하는 데 활용

비지도 학습 : 타깃 데이터가 없음. 무엇을 예측하는 것이 아니라 입력 데이터에서 어떤 특징을 찾는 데 활용

훈련 세트 : 모델을 훈련할 때 사용하는 데이터

               보통 훈련 세트가 클수록 좋음. 테스트 세트를 제외한 모든 데이터 사용

테스트 데이터 : 전체 데이터에서 20~30%를 테스트 세트로 사용하는 경우 많음

 

데이터 전처리 : 머신러닝 모델에 훈련 데이터를 주입하기 전에 가공하는 단계

표준점수 : 훈련 세트의 스케일을 바꾸는 대표적 방법             

              특성의 평균을 빼고 표준편차로 나눔

              훈련 세트의 평균과 표준편차로 테스트 세트를 바꿔야 함

브로드캐스팅 : 크기가 다른 넘파이 배열에서 자동으로 사칙 연산을 모든 행이나 열로 확장하여 수행하는 기능

 

 

▷ 핵심 패키지, 함수

< numpy > 

* seed( ) : 넘파이에서 난수를 생성하기 위한 정수 초깃값 지정

              초깃값이 같으면 동일한 난수 뽑을 수 있음 - 랜덤 함수의 결과를 동일하게 재현하고 싶을 때 사용

* arange( ) : 일정한 간격의 정수 또는 실수 배열을 만든다. 기본 간격 1

                 매개변수가 하나이면 종료 숫자를 의미 / 0에서 종료 숫자까지 배열을 만듦

* shuffle( ) : 주어진 배열을 랜덤하게 섞는다

                다차원 배열일 경우 첫 번째 축(행)에 대해서만 섞음

 

 

< scikit-learn > 

* train_test_split( ) : 훈련 데이터를 훈련 세트와 테스트 세트로 나누는 함수

                            여러 개의 배열을 전달할 수 있음

test_size : 테스트 세트로 나눌 비율 / 기본값 0.25(25%)

shuffle : 훈련 세트와 테스트 세트로 나누기 전에 무작위로 섞을지 여부 결정 / 기본값 True

stratify : 클래스 레이블이 담긴 배열을 전달하면 클래스 비율에 맞게 훈련 세트와 테스트 세트 나눔

 

* kneighbors( ) : k-최근접 이웃 객체 메서드

                       입력한 데이터에 가장 가까운 이웃을 찾아 거리와 이웃 샘플의 인덱스를 반환

기본적으로 이웃의 개수는 KNeighborsClassifier 클래스의 객체를 생성할 때 지정한 개수 사용

n_neighbors 매개변수에서 다르게 지정 가능

return_distance : False 지정시 이웃 샘플의 인덱스만 반환하고 거리는 반환하지 않음 / 기본값 True

 

▷ 확인문제

1. 머신러닝 알고리즘의 한 종류로서 샘플의 입력과 타깃(정답)을 알고 있을 때 사용할 수 있는 학습 방법?

> 지도 학습

 

2. 훈련 세트와 테스트 세트가 잘못 만들어져 전체 데이터를 대표하지 못 하는 현상을 무엇이라 부르나요?

> 샘플링 편향

 

3. 사이킷런은 입력 데이터(배열)가 어떻게 구성되어 있을 것으로 기대하나요?

> 행 : 샘플, 열 : 속성

 

 

4. 이 방식은 스케일 조정 방식의 하나로 특성값을 0에서 표준편차의 몇 배수만큼 떨어져 있는지로 변환한 값입니다.

이 값을 무엇이라 부르나요?

> 표준점수

 

5. 테스트 세트의 스케일을 조정하려고 합니다. 어떤 데이터의 통계 값을 사용해야 하나요?

> 훈련 데이터

 

 

 

---

참고도서 : 혼자공부하는 머신러닝 + 딥러닝, 박해선, 한빛미디어, 2020년