1.나의 첫 머신러닝

1-1. 인공지능과 머신러닝, 딥러닝

용어 설명

• 인공지능: 사람처럼 학습하고 추론할 수 있는 지능을 가진 컴퓨터 시스템을 만드는 기술
  
• 머신러닝: 규칙을 일일이 프로그래밍하지 않아도 자동으로 데이터에서 규칙을 학습하는 알고리즘을 연구하는 분야(사이킷런)
  
• 딥러닝: 많은 머신러닝 알고리즘 중에 인공 신경망을 기반으로 한 방법들(텐서플로, 파이토치)
• 모델: 머신러닝 프로그램에서 알고리즘이 구현된 객체

1-2. 코랩과 주피터 노트북

코랩

1-3. 마켓과 머신러닝

이진 분류란?

• 머신러닝에서 여러 개의 종류(혹은 클래스라고 부른다) 중 하나를 구별해 내는 문제를 분류라고 한다. 이 중 2개의 클래스 중 하나를 고르는 문제를 이진 분류라고 한다.
  

실습1. 도미와 빙어 데이터 준비하기

• 특성: 데이터의 특징
  

• 산점도: x, y축으로 이뤄진 좌표계에 두 변수(x, y)와 관계를 표현하는 방법

실습2. 첫 번째 머신러닝 프로그램

1. 데이터 합치기
   

    length = bream_length + smelt_length
    weight = bream_weight + smelt_weight

1. 2차원 배열로 만들기
   
   • 사이킷런을 이용하기 위해선 리스트를 세로로 늘어뜨린 2차원 리스트로 만들어야함.
     

    fish_data = [[l, w] for l, w in zip(length, weight)]

1. 정답 데이터 만들기
   
   • 도미: 1 / 빙어: 0
     

      fish_target = [1] * 35 + [0] * 14
      print(fish_target)
     

2. k-최근접 이웃 알고리즘

    from sklearn.neighbors import KNeighborsClassifier
    kn = KNeighborsClassifier()
    kn.fit(fish_data, fish_target)
    kn.score(fish_data, fish_target)
    kn.predict([[30,600]])
   

   • fit(): 훈련시킴
   • score(): 모델의 정확도를 반환
   • predict(): 새로운 데이터의 정답을 예측
     
     

k-최근접 이웃 알고리즘

: 어떤 데이터에 대한 답을 구할 때 주위의 다른 데이터를 보고 다수를 차지하는 것을 정답으로 사용

• n_neighbors: 가까운 몇 개의 데이터를 참고할지 결정

핵심 패키지와 함수

• matplotlib
  • scatter(): 산점도를 그리는 함수
    • 처음 2개의 매개변수로 x축과 y축 값을 전달
    • c: 색깔 지정
    • marker: 마커 스타일 지정
• scikit-learn
  • KNeighborsClassifier(): k-최근접 이웃 분류 모델을 만듦
    • n_neighbors: 이웃의 개수 지정
    • p: 거리를 재는 방법 지정
    • n_jobs: CPU 코어를 지정
    • fit(): 훈련
    • predict(): 예측
    • score(): 성능 측정