[혼자 공부하는 머신러닝 + 딥러닝] 11강_로지스틱 회귀로 와인 분류하기 & 결정 트리

 11강_로지스틱 회귀로 와인 분류하기 & 결정 트리


로지스틱 회귀로 와인 분류하기 

  • class 가 타깃값
  • 레드 와인과 화이트 와인을 구분하는 이진 분류 문제 (화이트가 양성)
  • info()
    • 데이터프레임의 각 열의 데이터 타입과 누락된 데이터가 있는지 확인하는데 유용. 
  • 누락된 값이 있을때
    • 그 데이터를 버리거나 평균값으로 채운 후 사용가능
    • 두가지 모두 시도해보는 것 추천.
    • 훈련 세트의 평균값으로 테스트 세트의 누락된 값을 채워야 함. 
  • describe() 
    • 열에 대한 간략한 통계 출력
    • 최소, 최대, 평균값 등 
    • 스케일 확인 가능 (Q)
  • StandardScaler 클래스를 사용해 특성을 표준화 


설명하기 쉬운 모델과 어려운 모델

  • 결정트리 모델이 이유를 설명하기 쉬움. 


결정 트리

  • 사이킷런의 DecisionTreeClassifier 클래스 사용해서 결정 트리 모델 훈련
  • 예측방법: 리프 노드에서 가장 많은 클래스가 예측 클래스가 됨. 
  • fit() 모델 훈련 / score() 정확도 평가 
  • random_state 지정이유
    • 사이킷런의 결정 트리 알고리즘은 노드에서 최적의 분할을 찾기 전에 특성의 순서를 섞기 때문에 약간의 무작위성이 주입되는데 실행할 때마다 점수가 조금씩 달라짐. (결과가 같도록 유지하기 위해 지정한것이고, 실전에서는 불필요)
  •  plot_tree() 
    • 결정 트리를 이해하기 쉬운 트리 그림으로 출력해 줌
  • 노드
    • 결정 트리를 구성하는 핵심 요소 (루트 / 리프 노드)
    • 훈련 데이터의 특성에 대한 테스트를 표현 
    • 가지는 테스트의 결과를 나타내며 일반적으로 하나의 노드는 2개의 가지를 가짐
  • 만약 결정 트리를 회귀 문제에 적용하면 리프 노드에 도달한 샘플의 타깃을 평균하여 예측값으로 사용함. (DecisionTreeRegressor)
  • 알고리즘
    • 불순도 기준을 사용해 정보 이득이 최대가 되도록 노드를 분할함. 
    • 순수하게 나눌수록 정보 이득이 커짐. 
    • 새로운 샘플에 대해 예측할 때에는 노드의 질문에 따라 트리를 이동. 
    • 마지막에 도달한 노드의 클래스 비율을 보고 예측을 만듬. 
  • 결정 트리는 표준화 전처리 과정이 필요 없음. 
  • 결정 트리는 어떤 특성이 가장 유용한지 나타내는 특성 중요도를 계산해 줌. 
  • 특성 중요도
    • 결정 트리 모델의 feature_importances_속성 
    • 각 노드의 정보 이득과 전체 샘플에 대한 비율을 곱한 후 특성별로 더하여 계산
    • 결정 트리의 특성 중요도를 특성 선택에 활용할 수 있음. 


불순도

  • gini 는 지니 불순도를 의미. 
  • 결정트리 모델은 부모 노드와 자식 노드의 불순도 차이가 가능한 크도록 트리를 성장시킴
  • 정보 이득
    • 부모와 자식 노드 사이의 불순도 차이


가지치기

  • 가지치기를 하지 않으면 훈련 세트에는 아주 잘 맞겠지만 테스트 세트에서 점수는 그에 못 미침. (일반화가 잘 안 될 것 같다고 말함)
  • 자라날 수 있는 트리의 최대 깊이를 지정. 
  • DecisionTreeClassifier 클래스의 max_depth 매개변수 지정

-실전에서 결정 트리를 사용할 때는 많은 특성을 사용하고 트리의 깊이도 깊어짐. 


이해하기 쉬운 결정 트리 모델

  • 이진 분류 로지스틱 회귀 모델은 이해하기 힘듬
  • 결정 트리 사용
    • 특성 추가 하지 않고도 성능이 더 좋음. 
    • 깊이가 깊지 않다면 설명도 쉬움. 
    • 불순도, 정보 이득 이해 
  • 결정 트리는 많은 앙상블 학습 알고리즘의 기반이 됨. 
  • 앙상블 학습은 신경망과 함께 가장 높은 성능을 내기 때문에 인기가 높은 알고리즘임. 


키워드로 끝내는 핵심 포인트

  • 결정트리
    • 예 / 아니오에 대한 질문을 이어나가면서 정답을 찾아 학습하는 알고리즘
    • 비교적 예측 과정을 이해하기 쉽고 성능도 뛰어남. 
  • 불순도
    • 결정 트리가 최적의 질문을 찾기 위한 기준
    • 사이킷런은 지니 불순도와 엔트로피 불순도를 제공함. 
  • 정보 이득
    • 부모 노드와 자식 노드의 불순도 차이.
    • 결정 트리 알고리즘은 정보 이득이 최대화되도록 학습함. 
  • 가지치기
    • 결정 트리의 성장을 제한하는 방법 (제한 없이 성장하면 훈련 세트에 과대적합되기 쉬움.)
  • 특성 중요도 
    • 결정 트리에 사용된 특성이 불순도를 감소하는데 기여한 정도를 나타내는 값
    • 특성 중요도를 계산할 수 있는 것이 결정 트리의 또 다른 큰 장점


핵심 패키지와 함수

  • pandas
    • info()
      • 데이터프레임의 요약된 정보를 출력 
      • 인덱스와 컬럼 타입을 출력하고 널(null)이 아닌 값의 개수, 메모리 사용량을 제공. 
      • verbose 매개변수 (True, False)
    • describe()
      • 데이터프레임 열의 통계 값 제공
      • 수치형일 경우 최소, 최대, 평균, 표준편차와 사분위값 등이 출력
      • 문자열 같은 객체 타입의 열은 가장 자주 등장하는 값과 횟수 등이 출력됨.
      • percentiles 매개변수 (백분위수 지정)
  • scikit-learn
    • DecisionTreeClassifier 
      • 결정 트리 분류 클래스
      • criterion / splitter / max_depth / min_samples_split / max_features 
    • plot_tree() 
      • 결정 트리 모델 시각화
      • max_depth / feature_names / filled 


확인 문제

  • 다음 중 결정 트리의 불순도에 대해 옳게 설명한 것을 모두 고르세요. 
  • 결정 트리에서 계산한 특성 중요도가 저장되어 있는 속성은 무엇인가요?




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

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

이미지
  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: 분류...
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