[머신러닝] 사이킷런 주요 모듈

시작에 앞서

해당 내용은 '<파이썬 머신러닝 완벽 가이드> 권철민 지음. 위키북스' 를 토대로 작성되었습니다. 보다 자세한 내용은 해당 서적에 상세히 나와있으니 서적을 참고해 주시기 바랍니다.

네이버 도서

---

 Estimator 이해 및 fit( ), predict( ) 메서드

 
사이킷런은 ML 모델 학습을 위해 fit( ), 학습된 모델의 예측을 위해 predict( ) 메서드 제공.'
 
◆ 지도학습에서의 사이킷런 클래스(분류, 회귀, Estimator)
지도학습의 주요 두 축인 분류와 회귀의 다양한 알고리즘을 구현한 모든 사이킷런 클래스는 위의 두 메서드만을 이용해 간단하게 학습과 예측 결과를 반환한다.

• Classifier: 분류 알고리즘을 구현한 클래스
• Regressor: 회귀 알고리즘을 구현한 클래스
• Estimator = Classifier + Regressor

▶ 지도학습의 모든 알고리즘을 구현한 클래스를 통칭하여 Estimator 라고 지칭. (fit, predict 메서드를 내부에서 구현)
 
◆ 비지도학습에서의 사이킷런 클래스(fit, transform)
사이킷런에서 비지도학습인 차원 축소, 클러스터링, 피처 추출(Feature Extraction) 등을 구현한 클래스 역시 대부분 fit( )과 transform( )을 적용.
※ 비지도학습에서의 fit( )은 지도학습의 fit( ) 처럼 학습을 의미하는 것이 아니라 입력 데이터의 형태에 맞춰 데이터를 변환하기 위한 사전 구조를 맞추는 작업이다.
▶ fit( )으로 변환을 위한 사전 구조를 맞추면 이후 입력 데이터의 차원 변환, 클러스터링, 피처 추출 등의 실제 작업은 transform( )으로 수행
 
◆ fit+transform = fit_transform
fit_transform( )은 fit( )과 transform( )을 별도로 호출할 필요를 줄여주지만, 사용상의 주의 필요

1. 훈련 데이터와 테스트 데이터 분리: fit_transform()을 훈련 데이터에 사용한 후, 테스트 데이터에는 동일한 변환을 적용하기 위해 fit()을 사용해서는 안 된다. 이는 데이터 누수(Data Leakage)를 초래할 수 있다. 훈련 데이터에는 fit_transform()을 사용하고, 테스트 데이터에는 transform()을 사용해야 한다
2. 적용 범위: fit_transform()은 한 번에 fit과 transform을 수행하기 때문에, 특정 상황에서는 두 단계로 나눠서 처리하는 것이 더 적합할 수 있다. 예를 들어, 여러 데이터셋에 동일한 스케일링을 적용하려면 fit()을 한 번만 사용하고 각 데이터셋에 transform()을 사용하는 것이 좋다
3. 적용 데이터: fit_transform()을 사용할 때, 변환할 데이터의 특성을 정확히 파악하고 있어야 한다. 데이터의 특성이 변하면 fit()을 다시 호출해야 할 수 있기 때문이다.

---

사이킷런의 주요 모듈

 

분류	모듈명	설명
예제 데이터	sklearn.datasets	사이킷런에 내장되어 예제로 제공하는 데이터 세트
피처 처리	sklearn.preprocessing	데이터 전처리에 필요한 다양한 가공 기능 제공 (문자열을 숫자 형 코드 값으로 인코딩, 정규화, 스케일링 등)
	sklearn.feature_selection	알고리즘에 큰 영향을 미치는 피처를 우선순위대로 셀렉션 작업을 수행하는 다양한 기능 제공
	sklearn.feature_extraction	텍스트 데이터나 이미지 데이터의 벡터화된 피처를 추출 (텍스트 데이터에서 Count Vectorizer나 Tf-idf Vectorizer 등을 생성하는 기능 제공) 텍스트 데이터의 피처 추출: sklearn.feature_extraction.text 이미지 데이터의 피처 추출: sklearn.feature_extraction.image
피처 처리 & 차원 축소	sklearn.decomposition	차원 축소와 관련한 알고리즘을 지원하는 모듈. PCA, NMF, Truncated SVD 등을 통해 차원 축소 기능 수행
데이터 분리. 검증 & 파라미터 튜닝	sklearn.model_selection	교차 검증을 위한 학습용/테스트용 분리. 그리드 서치(Grid Search)로 최적 파라미터 추출 등의 API 제공
평가	sklearn.metrics	분류, 회귀, 클러스터링, 페어와이즈(Pairwise)에 대한 다양한 성능 측정 방법 제공 Accuracy, Precision, Recall, ROC-AUC, RMSE 등 제공
ML 알고리즘	sklearn.ensemble	앙상블 알고리즘 제공 랜덤 포레스트, 에이다 부스트, 그래디언트 부스팅 등 제공
	sklearn.linear_model	주로 선형 회귀, 릿지(Ridge), 라쏘(Lasso) 및 로지스틱 회귀 등 회귀 관련 알고리즘을 지원. GSD(Stochastic Gradient Descent) 관련 알고리즘도 제공
	sklearn.naive_bayes	나이브 베이즈 알고리즘 제공. 가우시안 NB, 다항분포 NB 등
	sklearn.neighbors	최근접 이웃 알고리즘 제공. K-NN 등
	sklearn.svm	서포트 벡터 머신 알고리즘 제공
	sklearn.tree	의사 결정 트리 알고리즘 제공
	sklearn.cluster	비지도 클러스터링 알고리즘 제공 (K-평균, 계층형, DBSCAN 등)
유틸리티	sklearn.pipeline	피처 처리 등의 변환과 ML 알고리즘 학습, 예측 등을 함께 묶어서 실행할 수 있는 유틸리티 제공

 
일반적으로 머신러닝을 구축하는 주요 프로세스는 피처의 가공, 변경, 추출을 수행하는 피처 처리(Feature processing), ML 알고리즘 학습/예측 수행, 모델 평가의 단계를 반복적으로 수행하는 것이다.
 
사이킷런 패키지는 머신러닝 모델을 구축하는 주요 프로세스를 지원하기 위해 매우 편리하고 유연하고 다양한 모델을 지원한다.

---

다음글

[파이썬] 사이킷런에 내장된 예제 데이터 세트