오답노트

Learning Curve Cross Valdation을 통해서 모델 성능 편차를 줄였다면, 모델 예측에 대한 오차를 줄여야한다. 이 때 데이터를 늘리는 것으로 오차(Bias)를 줄일 수 있다. (출처 : https://www.geeksforgeeks.org/using-learning-curves-ml/) 위 그래프는 KNN 알고리즘으로 범주형 데이터를 예측했을 때 데이터의 크기와 Accuracy에 대한 관계를 나타내는 그래프이다. 데이터의 크기가 어느정도 충족되면 Accuracy가 더 이상 증가하지 않는다는 것을 보여주고 있다. 즉, 데이터가 많다고 좋은 것이 아닌 적절한 데이터의 양으로도 충분히 신뢰성이 높은 Accuracy를 얻을 수 있다. 또, Accuracy가 낮다고 판단되면 데이터를 추가하여 ..

k-fold Cross Validation 모델링을 할 때, 데이터 셋을 train과 test로 나누고, train 데이터는 다시 train 과 validation 데이터로 나눠서 모델링한다. k-fold Cross Validation은 train을 k개로 나누고 차례대로 validation으로 선택하고 성능을 평가한다. 이렇게 k 개의 Accuracy 평균을 측정한다. Cross Validation은 Accuracy의 편차를 많이 줄여준다. Accuracy 편차가 줄어든다는 의미는 모델의 성능의 신뢰도가 올라간다는 의미다. k 값은 보통 5 ~ 10 사이에서 많이 사용된다. from sklearn.model_selection import cross_val_score from sklearn.tree im..

HyperParameter Tuning Hyper Parameter를 설정하여 모델을 최적화할 수 있는 알고리즘에서 모델을 최적하기 위한 Hyper Parameter 설정하는 것을 말한다. Random Search Random Search 는 값의 범위와 시도 횟수를 정해서, 값의 범위 내에서 시도 횟수만큼 무작위로 값을 선택해서 모델링을 하고, 그 중 가장 성능이 좋은 모델을 선정하는 방법이다. cv 는 교차검증할 때 데이터 셋을 나눌 개수다. n_iter는 임의로 시도할 횟수를 지정할 수 있다. from sklearn.tree import DecisionTreeClassifier, plot_tree # 값의 범위 설정 params2 = {'max_depth' : range(1,10), 'min_sam..

AIC (아카이케 통계량) AIC = - 모델적합도 + 변수의 개수 AIC는 위와 같은 식으로 표현할 수 있다. 모델 적합도가 높을 수록 아카이케 통계량이 낮아진다. 즉 아카이케 통계량이 낮을 수록 모델이 적합하다는 뜻이다. 또, 변수의 개수가 많을 수록 아카이케 통계량은 증가하는데 변수의 개수가 많다고 무조건 좋은 모델은 아니라는 뜻이다. 전진 선택법 (후진 소거법) feature 마다 모델을 생성하고, 각각 feature를 하나씩 늘려가며 AIC 통계량을 측정한다. 그중 AIC 통계량이 가장 낮은 모델을 선정하는 것이다. 후진 소거법은 반대로 feature를 모두 사용한 모델부터 feature를 하나씩 줄여가며 AIC 통계량을 측정하고 그 중 가장 AIC가 가장 낮은 모델을 선정한다. # 아래 함수는..

SVC, SVR sklearn 의 svm 의 객체들로 각각 Support Vector Machine Classfication (SVC), Support Vector Machine Regressor (SVR)로 정의되어 있다. 용도는 뜻 그대로 각각 범주형 데이터, 수치형 데이터 예측에 사용된다. from sklearn.svm import SVC from sklearn.metrics import * model = SVC() model.fit(x_train, y_train) pred = model.predict(x_val) confusion_matrix(y_val, pred) print(classification_report(y_val, pred)) Hyper Parameter C값과 gamma값을 조절하여..

SVM (출처 : https://towardsdatascience.com/breaking-down-the-support-vector-machine-svm-algorithm-d2c030d58d42) 데이터를 두 개로 분류하여 분류한 데이터 사이에 선을 긋고, 분류된 데이터와 선 사이에 여백을 만드는 것으로 설명할 수 있다. 데이터를 벡터(Vector), 분류된 벡터 사이에 선을 결정경계(Decision Boundary or Hyper plane)라고 하고, 분류된 벡터와 선 사이에 여백을 마진이라고 한다. 마진을 고려했을 때, 결정경계와 가장 가까운 벡터를 서포트 벡터(Support Vector)라고 한다. 마진을 넓게 해서 벡터가 조금 넘어가더라도 안정적으로 분류하는 것이 더 좋다고 할 수 있다. 하지만..

plot_tree Decision Tree를 직접 트리형태로 볼 수 있게 해주는 함수다. import matplotlib.pyplot as plt from sklearn.tree import DecisionTreeClassifier, plot_tree from sklearn.metrics import * m3 = DecisionTreeClassifier(max_depth=5,min_samples_leaf=150) m3.fit(x_train,y_train) pred3 = m3.predict(x_val) print(classification_report(y_val,pred3)) plt.figure(figsize = (30,15)) # 그림 사이즈 조절 plot_tree(m3, feature_names = l..

DecisionTreeClassifier 범주형 데이터를 Decision Tree 알고리즘으로 예측할 때 사용하는 객체이다. 사용법은 지금까지 sklearn 객체들과 같다. Hyper Parameter from sklearn.tree import DecisionTreeClassifier from sklearn.metrics import * m3 = DecisionTreeClassifier(max_depth=5,min_samples_leaf=150) m3.fit(x_train,y_train) pred3 = m3.predict(x_val) print(classification_report(y_val,pred3)) max_depth 트리의 깊이(크기)를 결정하는 옵션이다. min_samples_leaf lea..

Decision Tree 분석과정을 실제로 눈으로 확인 가능한 알고리즘이다. 계산 비용이 낮아 대규모의 데이터도 빠르게 연산 가능한 장점이 있다. 지니 불순도 분류 후 얼마나 분류가 잘 됐는지 평가하는 지표다. 불순도가 낮을 수록 분류가 잘됐다고 판단한다. 어떤 집단에서 A를 가지는 집단과 B를 가지는 집단 둘로 나눴을 때, 각각의 집단에서 또 다시 True, False를 나눌 수 있다. 이 때, 집단 A의 불순도는 1-((A|T)^2 + (A|F)^2) 이고, 집단 B의 불순도는 1-((B|T)^2 + (B|F)^2) 이다. 수식으로 표현하면 아래와 같다. p 는 집단에서 어떤 사건이 일어날 확률이다. 예를 들어 A|T는 A 집단에서 True가 발생할 확률이다. 정보 증가량 지니 불순도는 어떤 집단(부..

KNeighborsClassifier KNeighborsClassifier는 KNN 알고리즘으로 범주형 데이터를 예측할 때 사용한다. KNeighborsRegressor와 사용법은 같다. 다만 성능을 판단할 때 Accuracy, Recall, Precision, f1-score로 판단한다. from sklearn.preprocessing import MinMaxScaler scaler = MinMaxScaler() x_train_s = scaler.fit_transform(x_train) x_val_s = scaler.transform(x_val) model = KNeighborsClassifier() model.fit(x_train_s,y_train) pred = model.predict(x_val_s..