머신 러닝 알고리즘

• 지도 학습 : 입력(데이터)과 타깃(정답)으로 이뤄진 훈련 데이터 필요

• 비지도 학습 : 타깃 없이 입력 데이터만 사용

  → 정답을 사용하지 않으므로 무언가를 맞힐 수 없음

  → 데이터 파악 또는 변형할 때 비지도 학습 알고리즘 사용

훈련 세트와 테스트 세트

• 세트를 나누는 이유 : 데이터와 타깃을 제공 후 훈련 후 같은 데이터로 머신 러닝을 테스트 하면 모두 맞히는 것이 당연 → 성능을 평가할 수 없음

  머신 러닝의 정확한 평가를 위해서는 테스트 세트와 훈련 세트가 따로 준비되어야 함

• way

  1. 평가를 위해 다른 데이터 준비
  2. 이미 준비된 데이터 중 일부를 떼어 내어 활용 ( 일반적으로 많이 쓰는 방법 )

처음 35개(only 도미 데이터) → 훈련 세트

나머지 14개(only 빙어 데이터) → 테스트 세트로 사용한다면?

fish_length = [25.4, 26.3, 26.5, 29.0, 29.0, 29.7, 29.7, 30.0, 30.0, 30.7, 31.0, 31.0, 
                31.5, 32.0, 32.0, 32.0, 33.0, 33.0, 33.5, 33.5, 34.0, 34.0, 34.5, 35.0, 
                35.0, 35.0, 35.0, 36.0, 36.0, 37.0, 38.5, 38.5, 39.5, 41.0, 41.0, 9.8, 
                10.5, 10.6, 11.0, 11.2, 11.3, 11.8, 11.8, 12.0, 12.2, 12.4, 13.0, 14.3, 15.0]
fish_weight = [242.0, 290.0, 340.0, 363.0, 430.0, 450.0, 500.0, 390.0, 450.0, 500.0, 475.0, 500.0, 
                500.0, 340.0, 600.0, 600.0, 700.0, 700.0, 610.0, 650.0, 575.0, 685.0, 620.0, 680.0, 
                700.0, 725.0, 720.0, 714.0, 850.0, 1000.0, 920.0, 955.0, 925.0, 975.0, 950.0, 6.7, 
                7.5, 7.0, 9.7, 9.8, 8.7, 10.0, 9.9, 9.8, 12.2, 13.4, 12.2, 19.7, 19.9]

fish_data = [ [l,w] for l,w in zip(fish_length, fish_weight)]
fish_target = [1] * 35 + [0] * 14

from sklearn.neighbors import KNeighborsClassifier

kn = KNeighborsClassifier()

# 훈련 세트 35개 (도미 데이터만 포함되어 있는)
train_input = fish_data[:35]
train_target = fish_target[:35]

# 테스트 세트 14개 (빙어 데이터만 포함되어 있는)
test_input = fish_data[35:]
test_target = fish_target[35:]

# 훈련 세트를 이용하여 fit() 매서드를 이용하여 훈련
kn.fit(train_input, train_target)

# 성능 평가
score = kn.score(test_input, test_target)
print(score)

→ 정확도가 0.0 이 나옴

이유 : 샘플링 편향

• 샘플링 편향이란?

  훈련 세트와 테스트 세트에 샘플이 골고루 섞여 있지 않은 경우 → 샘플링이 한쪽으로만 치우친 경우

  즉 위의 코드의 경우 도미와 빙어 데이터가 골고루 섞여서 각각 훈련, 테스트 세트로 들어간 것이 아니라 훈련(only bream), 테스트(only smelt) 이므로 샘플링 편향

  → 따라서 훈련 세트를 이용하여 훈련 시 항상 도미라고 판단하는 머신 러닝은 테스트 세트 즉 빙어 데이터만 받은 경우에도 항상 도미라고 판단하게 되므로 정확도는 0이 됨

  —> 문제 해결 : 훈련 세트와 테스트 세트를 나누기 전 데이터를 섞든지, 또는 골고루 샘플을 뽑아서 훈련 세트와 테스트 세트를 만들어야함

• 넘파이 ( NUMPY )

  파이썬의 대표적인 배열 라이브러리

  고차원의 배열을 손쉽게 만들고 조작할 수 있는 간편한 도구 제공

fish_data 를 넘파이 배열로 바꿔보자

fish_length = [25.4, 26.3, 26.5, 29.0, 29.0, 29.7, 29.7, 30.0, 30.0, 30.7, 31.0, 31.0, 
                31.5, 32.0, 32.0, 32.0, 33.0, 33.0, 33.5, 33.5, 34.0, 34.0, 34.5, 35.0, 
                35.0, 35.0, 35.0, 36.0, 36.0, 37.0, 38.5, 38.5, 39.5, 41.0, 41.0, 9.8, 
                10.5, 10.6, 11.0, 11.2, 11.3, 11.8, 11.8, 12.0, 12.2, 12.4, 13.0, 14.3, 15.0]
fish_weight = [242.0, 290.0, 340.0, 363.0, 430.0, 450.0, 500.0, 390.0, 450.0, 500.0, 475.0, 500.0, 
                500.0, 340.0, 600.0, 600.0, 700.0, 700.0, 610.0, 650.0, 575.0, 685.0, 620.0, 680.0, 
                700.0, 725.0, 720.0, 714.0, 850.0, 1000.0, 920.0, 955.0, 925.0, 975.0, 950.0, 6.7, 
                7.5, 7.0, 9.7, 9.8, 8.7, 10.0, 9.9, 9.8, 12.2, 13.4, 12.2, 19.7, 19.9]

fish_data = [ [l,w] for l,w in zip(fish_length, fish_weight)]
fish_target = [1] * 35 + [0] * 14

from sklearn.neighbors import KNeighborsClassifier

kn = KNeighborsClassifier()

# 넘파이 라이브러리 임포트
import numpy as np
# fish_data 와 fish_target 리스트를 넘파이 배열로 바꾸는 과정
input_arr = np.array(fish_data)
target_arr = np.array(fish_target)

→ numpy 배열로 바꾼 것을 출력해보자