머신러닝 모델로 예측하기
목차
🌟 머신러닝 모델 학습하기
-
📚 데이터 전처리
-
🧠 모델 훈련
-
📈 모델 평가
🚀 머신러닝 모델로 예측하기
머신러닝이 마법처럼 느껴지기 시작합니다. 여기서부터가 진정한 시작입니다. 저는 이에 매우 흥분합니다. 왜냐하면 우리가 여기까지 계속해서 준비해온 것들입니다. 우리는 훈련을 하고, 코드를 작성하며, 데이터를 처리하고, 누락된 데이터를 채우며, 데이터를 숫자로 변환하며, 수많은 머신러닝 모델을 훈련시켰습니다. 실제로는 이 노트북에서 5~6개 정도였겠죠? 그러나 이제 우리는 마침내 훈련된 머신러닝 모델을 사용하여 예측을 할 것입니다. 이게 바로 마법과 머신러닝이 진정한 의미를 갖는 곳입니다. 그럼 우리가 할 일은 무엇일까요? 바로 우리가 훈련시킨 모델을 가지고 여기서 점수를 얻게 될 것입니다. 이 모델이 무엇을 하는지 알아보죠. 여기서 우리는 심장 질환 데이터셋에 대해 모델을 훈련시키고 있습니다. 이제 우리는 모델을 테스트 데이터셋에서 평가할 것입니다. 즉, 모델이 이전에 본 적이 없는 데이터에 대한 예측을 하는 것입니다. 사실 score의 뒤에 숨겨진 것은 무엇일까요? 실제로 우리는 조금은 예측을 해왔습니다. 그러나 이제 그것들을 직접 보게 될 것입니다. 그러니 함께 해봅시다. 이제 여기서 우리가 할 일은 우리가 훈련시킨 모델을 사용하여 예측을 하는 것입니다. 두 가지 방법이 있습니다. 하나는 predict 함수를 사용하는 것이고, 두 번째는 predict_proba입니다. 먼저 predict를 살펴보겠습니다. 왜냐하면 이것이 주로 사용되는 방법이기 때문입니다.
🚀 predict 함수로 예측하기
이것을 어떻게 할 수 있을까요? scikit-learn의 API의 아름다움 덕분에 가능합니다. 이것이 왜 가능한지는 우리가 얼마나 쉽게 우리의 모델을 다른 모델로 변경할 수 있었는지에 있습니다. 거의 모든 모델에는 어떤 형태의 fit 함수, 평가를 위한 score 함수, 예측 함수가 있을 것입니다. 자연스럽게 clf.predict를 호출해 봅시다. 그럼 예측 함수가 무엇을 필요로 할까요? 예측을 시도할 때 어떤 데이터를 예측하도록 해야 할까요? 눈여겨볼 중요한 점은 우리의 모델이 무엇을 학습했는지를 기억하는 것입니다. 우리의 경우, 이 모델은 환자의 다양한 신체 파라미터나 건강 파라미터에 대해 학습했습니다. 그래서 우리의 머신러닝 모델이 예측을 하려면, 학습한 데이터와 동일한 데이터나 데이터 형식이 전달되어야 합니다. 그러니 예를 들어보죠. 이것은 작동하지 않습니다. 일단 작동하지 않는 것을 만들어 보겠습니다.
...
자주 묻는 질문(FAQs)
Q: 예측 함수와 예측 확률 함수의 차이점은 무엇인가요?
A: 예측 함수(predict)는 모델을 사용하여 새로운 데이터에 대한 레이블을 예측합니다. 반면, 예측 확률 함수(predict_proba)는 각 클래스에 속할 확률을 제공합니다.
Q: 왜 모델의 예측을 평가해야 하나요?
A: 모델의 성능을 평가함으로써 모델이 얼마나 잘 일반화되는지, 즉 새로운 데이터에 대해 얼마나 정확하게 예측하는지를 파악할 수 있습니다.
Q: 머신러닝 모델의 정확도를 개선하는 방법은 무엇인가요?
A: 모델의 하이퍼파라미터 튜닝, 더 많은 학습 데이터 사용, 특성 엔지니어링 등의 방법으로 모델의 정확도를 향상시킬 수 있습니다.
Q: 데이터를 어떻게 전처리해야 하나요?
A:
