1장. 머신러닝 프로세스와 기본 개념

정리

• 머신러닝은 사람이 규칙을 적는 대신, 정답이 붙은 기록에서 모델이 규칙을 찾게 하는 방법입니다. 답의 꼴에 따라 분류, 회귀, 비지도학습, 생성으로 나뉩니다.
• 표의 열은 특성(X, 입력)과 레이블(y, 정답)로 나눕니다. 예측할 때 알 수 없는 열은 특성에 넣지 않습니다.
• 흐름은 질문 정하기, 다듬기(pandas), 살펴보기(matplotlib), 배우기와 시험 보기(scikit-learn) 순서입니다. scikit-learn 의 모델은 모두 만들기, fit, predict, score 로 씁니다.
• 데이터는 학습용과 시험용으로 나누고, 한쪽이 적은 정답이면 stratify 를 줍니다. 학습 점수만 높고 시험 점수가 낮으면 과적합입니다.
• 정답이 쏠린 문제에서는 기준선과 견주고, 혼동행렬로 놓침과 헛경보를 나눠 봅니다. 재현율은 놓침을, 정밀도는 헛경보를 봅니다.
• 기준값을 낮추면 재현율이 오르고 정밀도는 대체로 내려갑니다. 어느 쪽을 앞세울지는 업무의 비용이 정합니다. 회귀는 MAE 와 RMSE 로 얼마나 빗나갔는지 잽니다.