머신러닝 기초, 지도학습(분류)

<머신러닝> 

- 주로 3가지 분야로 나누어진다.

1. 지도하습 : 데이터를 예측하거나 분류를 수행

2. 비지도학습 : 축적된 데이터의 구조나 관계성을 찾아내는것

3. 강화학습 : 보수나 환경등을 설정하여 수익을 최대화하는 행동을 학습하는 방법

 

1-1. 회귀 : 기존 데이터에서 관계성을 바탕으로 데이터 예측, 주가나 시가와 같은 연속적인 값 예측

1-2. 분류 : 데이터 예측 실시. 예측되는 값은 데이터의 카테고리, 이산값.

8행 - X값의 첫번째 열 값, X값의 두번째 열 값 으로 그래프 그림. y를 출력해보면 이렇게 0과 1로 이항분류가 되어있음.

<학습과 예측>

- 모델 model : 머신러닝의 학습 방법

- 분류기 classifier : 머신러닝으로 데이터를 분류하는 프로그램

 >> 모델을 직접 구현하는 것은 쉽지 않음. 그래서 파이썬에 있는 머신러닝에 특화된 라이브러리를 사용

   ▷ 그중에 대표적인게 scikit-learn. 

 

▼ 가상모델 Classifier의 사용법

 

▼ 선형회귀모델을 사용해서 데이터 예측과 예측 결과를 출력하기.

38행 > make_classification,  가상의 데이터를 만듬. n_features 만큼 나눠서 (이러면 X값이 이 수만큼 열이 나옴)

41행 > https://scikit-learn.org/stable/modules/generated/sklearn.model_selection.train_test_split.html

       ▶ 25%가 test_size 기본 값. 

 

 

fit() > 모델을 학습시키는, 그래서 x값과 y값(라벨, 정답,타겟)을 넣어서 학습시키고

predict() > 으로 X값을 넣어서 y 값 예측 결과를 도출할 수 있다.

▼ 저번시간에 배운 평가지표를 출력할 수 있는 classification_report 함수를 이용하면 이렇게 나온다

정확도가 96%이구만