나의 첫 머신러닝&데이터 다루기 (2)

👀1주차 220110 ~ 220116 공부기록

 

📍 본 포스팅은 <혼자 공부하는 머신러닝+딥러닝> 책을 바탕으로 작성함을 알립니다.

---

✅Ch.02-1 훈련 세트와 테스트 세트

K-NN 알고리즘 실습 (1월과 7월의 평균기온과 일강수량)

 

* Ch.01-3에서 다룬 알고리즘 실습은 훈련과 테스트를 같은 데이터로 테스트 하였기 때문에, 정확도는 당연한 결과이다.

-> 해결방법 : 훈련 데이터와 테스트 데이터를 각각 다르게 하여 성능을 평가한다.

 

* 훈련 데이터 : 평가에 사용하는 데이터

* 테스트 데이터 : 훈련에 사용되는 데이터

---

💦 기온과 강수량의 데이터를 합쳐 하나의 파이썬 2차원 리스트로 준비

 

✔ fit() 메서드와 score() 메서드를 사용하기 위해 사이킷런 클래스 임포트하기

---

❗ 샘플링 편향 주의

sampling bias : 훈련 세트와 테스트 세트에 샘플이 골고루 섞여 있지 않고, 샘플링이 한쪽으로 치우침

 

정답데이터인 7월 데이터를 테스트 데이터에 넣고, 1월 데이터를 훈련 데이터에 넣는다면?

-> 훈련은 1월 데이터로 하였기 때문에 1월 데이터밖에 인지를 못함.

그 상태에서 7월 데이터로 시험을 친다면 정확도가 0이 나올 수 밖에 없음.

---

💦 넘파이 배열을 준비

numpy : 파이썬의 대표적인 배열(array) 라이브러리. 고차원의 배열을 쉽게 만들고 조작할 수 있는 간편한 도구를 제공

 

파이썬 리스트를 넘파이 배열로 바꾸기 → 넘파이 array() 함수에 파이썬 리스트를 전달

입력데이터를 2차원 배열로

✔ shape 속성 : 넘파이 배열 객체는 배열의 크기를 알려주는 속성을 제공

샘플 수와 특성 수를 출력해준다.

입력데이터 배열의 크기를 한눈에

---

💦 배열에서 랜덤하게 샘플을 선택해 훈련 세트와 테스트 세트 만들기

seed() : 넘파이에서 난수를 생성하기 위한 정수 초깃값을 지정. 초깃값이 값으면 동일한 난수를 뽑을 수 있음. 랜덤 함수의 결과를 동일하게 재현하고 싶을 때 사용 arange() : 일정한 간격의 정수 또는 실수 배열을 만듦. 기본 간격은 1. shuffle() : 주어진 배열을 무작위로 섞음. 다차원 배열일 경우 첫 번째 축(행)에 대해서만 섞는다.

 

* random.seed는 이 실습을 하는 모든 사람이 같은 결과를 얻을 수 있도록 함. 교육 목적으로 책에 쓰였음. 

개인적으로 실습을 하는 경우에는 랜덤 시드를 설정하지 않아도 된다. (랜덤 시드를 설정하지 않을 경우 실행을 할 때마다 다른 결과 도출)

 

1. 0부터 62까지 샘플에 순서대로 인덱스만들고 부여해준다. (arange() 함수 사용)

2. 인덱스를 무작위로 섞는다. (각 샘플은 각 번호(인덱스)를 가지고 있기 때문에 인덱스 번호에 맞게 같이 랜덤)

3. 섞은 인덱스의 리스트를 가지고 훈련 세트와 테스트 세트 구분

(3번에서 배열 인덱싱을 사용. 넘파이 배열을 인덱스로 전달)

---

💦 산점도로 확인

---

💦 K-NN 모델을 훈련 (with. 훈련 세트&테스트 세트)

테스트 세트에 대한 예측 결과가 정답과 일치함을 알 수 있음.