[솔트룩스] 새싹 인공지능 응용 SW 개발자 양성과정 | 24일차 | 5. 머신러닝 (2)

 2022.01.17 | 24일차 | 5. 머신러닝 (2)

    - 권혜윤 강사님 ( yujinkwon@nate.com )

    - Decision Tree 수업 내용 코드 (코랩)

    - Random Forest 수업 내용 코드 (코랩)

    


Decision Tree 분리 기준 (Split Criterion) 
  • 부모 마디로부터 자식 마디들이 형성될 때, 생성된 자식 노드에 속하는 자료의 순수도가 가장 크게 증가하도록 트리를 형성하며 진행
  • 입력 변수를 이용해 목표 변수의 분포를 얼마나 잘 구별하는 정도를 파악해 자식 마디가 형성되는데, 목표 변수의 구별 정도를 불순도에 의해 측정


지니 지수 (Gini Index) : 데이터 집합의 불순도를 측정
  • 0~1 사이의 값
  • 어떤 데이터 집합에 속한 개체들이 같은 범주로 구성되어 있으면 지니 지수는 최솟값이 0을 갖고, 해당 데이터 집합은 순수하다고 볼 수 있음.
  • 즉, 지니 지수가 작을수록 잘 분류된 것.


Tree 만든 데이터는 정확도가 100% 
  • 데이터 보고 Gini 계산해서 Tree를 만들었기 때문
  • 모든 데이터로 Tree를 만들어서 만든 Tree가 정확한 Tree인지 알 수 없음
  • 해결방안
    • 전체 75% 로 Tree를 만들고 (Train Set), 일부 25% 는 보관 (Test Set), 나중에 Test set 데이터로 Tree가 얼마나 정확한지 측정


강의자료 실습
  • Decision Tree [실습교재코드]
  • 패키지 설명
    •  Scikit-learn (sklearn)
      • Python 프로그래밍 언어용 기계학습(Machine Learning) 관련 라이브러리 (Library)
    • sklearn.metrics
      • scikit-learn 패키지 중 모형평가에 사용되는 서브 패키지 classification_report: 주요 분류 측정 항목을 보여주는 보고서 모듈 confusion_matrix: 분류의 정확성을 평가하기 위한 오차행렬 계산 모듈
    •  sklearn.model_selection
      • scikit-learn 패키지 중 클래스를 나눌 때, 함수를 통해 train/test를 나눌 때, 모델 검증에 사용되는 서브 패키지
    • train_test_split
      • 배열 또는 행렬을 임의의 훈련(train) 및 테스트(test) 하위 집합으로 분할하는 모듈
    • sklearn.tree
      • scikit-learn 패키지 중 분류 및 회귀를 위한 의사결정 트리 기반 모델이 있는 서브 패키지
    • DecisionTreeClassifier
      • 의사결정 트리 분류 모듈




Random Forest
  • Random Forest ?
  • 서로 다른 Decision Tree 많이 만들고 싶을때.
  • Tree가 많아서 Forest (숲) 임.
  • 2001년에 Leo Breiman에 의해 처음으로 소개 
  • Decision Tree의 단점을 개선하기 위한 알고리즘 중 하나
  • Decision Tree의 확장
  • Random Forest는 훌륭한 데이터 분석 알고리즘 중 하나
    • 데이터 분류 (Classification)
      • 종속 변수 있음
      • 지도 학습
      • 예측 분류하고 싶은 칸 있음
    • 데이터 군집 (Clustering)
      • 종속 변수 없음 (어떻게 분류될지 모름, 컴퓨터가 알아서 분류)
      • 비지도 학습
      • 그룹을 만듬
      • 잠재적 디리클레 할당 (LDA: Latent Dirichlet Allocation)
    • Feature의 중요성 확인
    • 데이터 예측


Random Forest 특징
  • 여러 개의 Decision Tree를 결합함으로 단일 Decision Tree의 결점을 극복 
  • Over-fitting 문제가 적음 
    • 트리 만든 데이터의 정확도는 높은데, 안 만든 데이터는 정확도가 낮음
    • Random Forest 트리를 기본 100개 만들기 때문에 문제 적음
    • 트리 안만든 데이터의 정확도도 높음
  • 구현이 간단함 
  • 병렬 계산이 간편함 (Multi Thread: 동시 실행)


Random Forest 에서의 2가지 Random
  • Dataset 에서 샘플 데이터를 random으로 선택 
    • 샘플 데이터 선택
      • Random으로 n개의 데이터 선택 
      • 선택한 n개의 데이터는 중복이 가능 
      • 선택한 t개의 샘플 데이터 사이 데이터 중복 가능
      • 선택한 샘플 데이터로 Decision Tree 생성 
 
    • 샘플 데이터에서 freature을 random으로 선택해 decision tree를 생성 
      • 선택한 샘플 데이터에서 random으로 f개 feature를 선택
      • 선택하는 feature의 개수는 기본으로 Sqrt(전체 feature 수, 선택으로 Log2(전체 feature 수) 등 방법으로 계산


Random Forest 알고리즘


Random Forest IRIS 데이터 분류


    • 필요한 패키지 및 라이브러리 로드
      • from sklearn.datasets import load_iris 
from sklearn.metrics import accuracy_score
import numpy as np 
import pandas as pd
      • numpy
        • 파이썬 언어를 위한 행렬, 벡터 등의 수학 계산을 위한 자료구조와 계산 함수를 제공하는 패키지
      • pandas
        • 데이터 분석, 가공, 처리 등을 쉽게 하기 위한 자료구조와 처리 함수들을 제공하는 패키지
      • sklearn.metrics
        • scikit-learn 패키지 중 모듈 성능 평가 방법 모듈
      • sklearn.datasets
        • scikit-learn 패키지 중 일반적인 참조 데이터 셋을 로드(load)하는 모듈
      • load_iris
        • iris data 로드 함수
      • acccuracy_score
        • 분석 결과의 accuracy를 측정하는 함수
    • Training data 와 Test data 설정
      • load_iris() : iris data를 호출
      • iris.data : iris data에서 feature 데이터를 호출 
      • iris.target: iris data에서 target 데이터를 호출
    • Random Forest 분류기 생성 
      • Random Forest 분류기 생성을 위해 RandomForestClassifier 클래스를 import
      • Sklearn.ensemble 모듈은 분류, 회귀 및 이상 탐지를 위한 ensemble-based 방법을 포함
      • 10개의 tree를 가진 random forest 생성
      • dt_graph.write_pdf("그래프(이미지)를 pdf로 저장하는 코드.pdf")

 


    • Random Forest 분류기 성능 평가 (2)
  • Random Forest 성능 제고 방법
    • Training, Test 데이터 재 생성
    • Random Forest 분류기 성능 평가
    • Random Forest 분류기 성능 높이는 방법
      • Tree의 개수(n_estimators)를 변경
      • max_features의 값을 변경
    • 각 feature의 중요도 확인
      • 컬럼 중요도 (Information Gain 계산)







댓글

댓글 쓰기

이 블로그의 인기 게시물

[혼자 공부하는 머신러닝 + 딥러닝] 17강_인공 신경망: 간단한 인공 신경망 모델 만들기

이미지
17강_인공신경망: 간단한 인공 신경망 모델 만들기 딥러닝과 인공 신경망 알고리즘을 이해하고 텐서플로를 사용해 간단한 인공 신경망 모델을 만들어 봄.  <혼자 공부하는 머신러닝+딥러닝>의 코드 저장소 인공 신경망 패션 MNIST MNIST 딥러닝을 처음 배울 때 많이 사용하는 데이터 셋. 0~9 까지의 숫자로 이루어져 있음 MNIST 와 크기, 개수가 동일하지만 숫자 대신 패션 아이템으로 이루어진 데이터. 텐서플로우(케라스)를 사용해 데이터를 불러옴 로지스틱 회귀로 패션 아이템 분류하기  확률적 경사 하강법 샘플을 하나씩 꺼내서 모델을 훈련하는 방법. 넘파이 배열의 바이트 크기 nbytes 속성에 저장되어 있음. 인공 신경망 출력층 신경망의 최종 값을 만든다는 의미 뉴런 z 값을 계산하는 단위 유닛 뉴런이라는 표현 대신에 부름 입력층 픽셀값 자체, 특별한 계산을 수행하지 않음.  1943년 워런 매컬러와 월터 피츠가 제안한 뉴런 모델 매컬러-피츠 뉴런 생물학적 뉴런에서 영감을 얻음 기존의 머신러닝 알고리즘이 잘 해결하지 못했던 문제에서 높은 성능을 발휘하는 새로운 종류의 머신러닝 알고리즘일 뿐. 딥러닝 인공신경망과 거의 동의어로 사용됨 혹은 심층 신경망을 딥러닝이라고 함.  여러 개의 층을 가진 인공 신경망 텐서플로와 케라스 텐서플로 구글이 2015년 11월 오픈소스로 공개한 딥러닝 라이브러리 알파고가 이세돌 9단을 이겨 폭발적 인기 끔. 케라스 텐서플로의 고수준 API  2015년 3월 프랑소와 숄레가 만든 딥러닝 라이브러리 그래픽 처리 장치인 GPU 사용하여 인공 신경망 훈련 (벡터와 행렬 연산에 매우 최적화) 멀티-백엔드 케라스 인공 신경망으로 모델 만들기  인공 신경망에서 교차 검증을 사용하지 않고 검증 세트를 사용하는 이유 딥러닝 분야의 데이터셋은 충분히 크기 때문에 검증 점수가 안정적 교차 검증을 수행하기에는 훈련 시간이 너무 오래 걸리기 때문.  밀집층 완전 연결층 활성화 함수...
자세한 내용 보기

[혼자 공부하는 머신러닝 + 딥러닝] 10강_확률적 경사 하강법 알아보기

이미지
10강_확률적 경사 하강법 알아보기 경사 하강법 알고리즘을 이해하고 대량의 데이터에서 분류 모델을 훈련하는 방법을 배움.  <혼자 공부하는 머신러닝+딥러닝>의 코드 저장소 확률적 경사 하강법 점진적인 학습 앞서 훈련한 모델을 버리지 않고 새로운 데이터에 대해서만 조금씩 더 훈련하는 방법 (온라인 학습)  대표적인 점진적 학습 알고리즘은 확률적 경사 하강법 확률적 경사 하강법  훈련 세트에서 랜덤하게 하나의 샘플을 고르는 것  가장 가파른 길을 찾아 내려오지만 조금씩 내려오는 것이 중요 (모델 훈련) 확률적 전체 샘플을 사용하지 않고 딱 하나의 샘플을 훈련 세트에서 랜덤하게 골라 가장 가파른 길을 찾음.  에포크 훈련 세트를 한 번 모두 사용하는 과정 미니배치 경사 하강법 여러 개의 샘플을 사용해 경사 하강법을 수행하는 방식 배치 경사 하강법 극단적으로 한 번 경사로를 따라 이동하기 위해 전체 샘플을 사용하는 것. 가장 안정적인 방법이나 컴퓨터 자원을 많이 사용함.  신경망 모델이 확률적 경사 하강법이나 미니배치 경사 하강법을 사용함.  손실함수 어떤 문제에서 머신러닝 알고리즘이 얼마나 엉터리인지를 측정하는 기준 손실함수와 비용함수 손실 함수는 샘플 하나에 대한 손실을 정의하고 비용 함수는 훈련 세트에 있는 모든 샘플에 대한 손실 함수의 합을 말함.  손실함수는 미분 가능해야함.  로지스틱 회귀 모델의 확률 출력 로지스틱 손실 함수 (이진 크로스엔트로피 손실 함수) 양성 클래스(타깃 = 1)일 때 손실은 -log(예측 확률)로 계산 확률이 1에서 멀어질수록 손실은 아주 큰 양수가 됨.  음성 클래스(타깃 = 0)일 때 손실은 -log(1-예측확률)로 계산 이 예측 확률이 0에서 멀어질수록 손실은 아주 큰 양수가 됨.  이진 분류는 로지스틱 손실 함수를 사용하고 다중 분류는 크로스엔트로피 손실 함수를 사용.  - 회귀는 어떤 손실함수를 사용하나? '...
자세한 내용 보기