50

모델 평가 단계의 간단한 코드 입니다. 먼저 데이터로 모델을 학습합니다. 모델은 이진 분류 모델, 다중 분류 모델, 회귀 모델 순입니다.from sklearn.tree import DecisionTreeClassifier as DTCfrom sklearn.tree import DecisionTreeRegressor as DTRmodel1 = DTC(max_depth = 10)model2 = DTC(max_depth = 10)model3 = DTR(max_depth = 10)#파라미터 설정 다른 방법#parameter = {"max_depth": 10}#model = DTC(**parameter)model1.fit(X1_train, y1_train)model2.fit(X2_train, y2_train)mo..

테크/ML 2025. 2. 12. 18:09

모델종류 (모듈명)모델 클래스 (분류)모델 클래스 (예측)선형 모델 (linear_model)- LogisticRegression- LinearRegression- Ridge- Lasso- ElasticNet서포트 벡터 머신 (svm)- SVC- NuSVC- LinearSVC- SVRk-최근접 이웃 (neighbors)- KNeighborsClassifier- KNeighborsRegressor나이브베이즈 (naive_bayes)- GaussianNB- MultinomialNB- BernoulliNB 결정 나무 (tree)- DecisionTreeClassifier- DecisionTreeRegressor앙상블 (ensemble)- RandomForestClassifier- GradientBoosting..

테크/ML 2025. 2. 12. 16:22

특징 선택은 특징 간 중복을 줄이고 예측 성능은 높이는 최적의 특징 부분 집합을 구성하기위한 작업이다.특징을 선택하는 방법은 필터 방법, 래퍼 뱅법, 임베디드 방법이 있고, 지금은 필터 방법을 설명한다. SelectKBest필터 방법 중 하나로, 중요도가 높은 K개의 특징을 선택한다.개별 특징을 통계적으로 평가하여 빠르고 간단하지만, 특징 간의 상호작용을 고려하지 않는다.from sklearn.feature_selection import *selector = SelectKBest(f_classif, k = 10) #f통계량이 큰 10개 selector.fit(X_train, y_train)selected_features = X_train.columns[selector.get_support()] #tran..

테크/ML 2025. 2. 10. 00:02

불균형 데이터로 학습한 분류모델은 치우친 클래스에 대해 편향되는 문제가 발생한다. 클래스 불균형 비율이 9 이상이면 편향된 모델이 학습될 가능성이 크다. (그러나 항상 문제가 발생하는 것은 아니므로 클래스 불균형 비율만 보는것보다 k-최근접 이웃 모델처럼 클래스 불균형에 민감한 모델을 학습하여 성능을 확인하는 것이 좋다.)  클래스의 분포를 균형있게 바꾸기 위해,소수클래스 샘플을 생성하는 오버샘플링 혹은 다수클래스 샘플을 제거하는 언더샘플링으로 재샘플링한다.  1. 오버샘플링- SMOTE 활용: KNN을 사용해 새로운 데이터를 생성하는 방법from imblearn.over_sampling import SMOTEsmote = SMOTE()s_X_train, s_y_train = smote.fit_resam..

테크/ML 2025. 2. 9. 17:48

데이터의 스케일이 중요한 모델의 경우 스케일링을 통해 단위를 맞춰주어야한다.  최소-최대 정규화 (Normalization, Min-Max Scaling)from sklearn.preprocessing import MinMaxScalerscaler = MinMaxScaler().fit(X_train)Z_train = pd.DataFrame(scaler.transform(X_train), columns = X_train.columns)Z_test = pd.DataFrame(scaler.transform(X_test), columns = X_test.columns)Z_train.describe()서로 다른 범위의 데이터를 [0,1]  범위로 변환한다.이상치에 취약하며, 데이터분포를 가정하지 않는 모델에 적합..

테크/ML 2025. 2. 9. 17:36

머신러닝 전처리과정 중 범주형 변수와 서열형 변수 처리방법이다. df = pd.read_csv("mldata.csv")X = df.drop('y', axis = 1)y = df['y']X_train, X_test, y_train, y_test = train_test_split(X, y, random_state = 50)  더미화from sklearn.preprocessing import OneHotEncoderone = OneHotEncoder(sparse = False) #False:numpy배열, True:희소행렬one.get_feature_names() #원본 열이름ct = make_column_transformer( (StandardScaler(), ['score','weight']), ..

테크/ML 2025. 2. 9. 17:26

머신러닝을 위한 전처리 과정 중 결측값을 처리하는 방법이다. import pandas as pddf = pd.read_csv("mldata.csv")# X,y 분리X = df.drop('y', axis = 1)y = df['y']# validationfrom sklearn.model_selection import train_test_splitX_train, X_test, y_train, y_test = train_test_split(X, y, random_state = 50)  결측값 확인 및 제거df.isnull().sum(axis = 0) #결측값 확인df.dropna(inplace = True) #결측값 제거  결측값 대체 - ① 대푯값평균, 중앙값, 최빈값 등을 사용한다.from sklearn.i..

테크/ML 2025. 2. 9. 16:55