[패스트캠퍼스 수강 후기] 데이터분석 강의 100% 환급 챌린지 38회차 미션

2020.09.16

[패스트캠퍼스 수강 후기] 데이터분석 강의 100% 환급 챌린지 38회차 미션

37회차에서 LogisticRegression, SGD Classifier, 하이퍼 파라미터 (hyper-parameter) 튜닝를 배우고 오늘은 이어서 최근접 이웃 알고리즘과 의사 결정나무 진도를 나갔다.

 

📎 최근접 이웃 알고리즘 KNeighborsClassifier

최근접 이웃 알고리즘은 k의 갯수를 지정해서 최근접에 있는 몇 개의 데이터까지 볼건가..? 하는 알고리즘이다.

knc = KNeighborsClassifier() 
knc.fit(x_train, y_train) 
knc_pred = knc.predict(x_valid) 
(knc_pred == y_valid).mean()

 

아래 예시를 보면,

강의 캡처

k가 3인 경우, 클래스 B가 많기때문에 클래스 B데이터로 으로 분류하고, k가 7인 경우 최근접에 클래스 A 데이터가 많기 때문에 클래스 A로 분류할 수 있다.

 

k를 설정할 때는 일반적으로 홀수개를 넣는다. 짝수의 경우 동점확률이 생기기 때문에! KNeighborsClassifier의 경우도, 앞에서 처럼 neigherbors에 따라 모델성능이 달라질 수있기 때문에, n을 여러개로 시도해보고 설정해야한다!

강의 캡처

📎 의사 결정 나무 (Decision Tree)

의사 결정 나무는 스무고개처럼 질문을 해서? 클래스로 나누는 것으로 이해했다. 예를 들면, 키가 170이 넘어? 예/아니오로 분류하고 그다음, 몸무게가 80이상이하? 분류→ 즉, 클래스를 가지치기하면서 분리하는 것을 말한다.

from sklearn.tree import DecisionTreeClassifier 
dtc = DecisionTreeClassifier(random_state=0) 
dtc.fit(x_train, y_train) 
dtc_pred = dtc.predict(x_valid) 
(dtc_pred == y_valid).mean()

 

강의 캡처

강사님의 예제를 보면, petalwidth가 1.7이하인 경우 petallenght로 분류, 초과인 경우 iris-virginica 이런식으로!

 

💡오늘 배운 내용 복습

1. 최근접 이웃 알고리즘 KNeighborsClassifier

2. 의사 결정 나무 (Decision Tree)

04. Part 1 22강&23강까지 수강완료!✊

https://bit.ly/3imy2uN

직장인을 위한 파이썬 데이터분석 올인원 패키지 Online. | 패스트캠퍼스