사이킷런

Estimator

• 학습: fit()
• 예측: predict()

Classifier(분류)

분류 구현 클래스

• DecisionTreeClassifier
• RandomForestClassifier
• GradientBoostingClassifier
• ...

Regressor(회귀)

회귀 구현 클래스

• LinearRegression
• Ridge
• Lasso
• ...

사이킷런 주요 모듈

내장 toy dataset

데이터 셋 구성

• feature_names: 피처 이름
• data: 피처값(numpy.ndarray)
• target_names: 타켓의 번호에 해당되는 이름(numpy.ndarray)
• target: 타겟값(numpy.ndarray)
  

keys = iris_data.keys()
# dict_keys(['data', 'target', 'target_names', 'DESCR', 'feature_names'])

print(iris_data.feature_names)
print(iris_data.target_names)
print(iris_data.data)
print(iris_data.target)

학습 데이터와 테스트 데이터의 분리

train_test_split(
    *arrays,
    test_size=None, # 전체 데이터중 test_size만큼을 테스트 데이터 셋으로 만들어라(default = 0.25)
    train_size=None,
    random_state=None, # 호출할 때마다 동일한 데이터 세트를 생성하기 위해 주어지는 난수 값
    shuffle=True, # 데이터를 분리하기 전에 미리 섞을지 결정
    stratify=None,
)

넘파이 ndarray 뿐만 아니라 판다스 DataFrame/Series도 train_test_split( )으로 분할 가능하다

import pandas as pd

iris_df = pd.DataFrame(iris_data.data, columns=iris_data.feature_names)
iris_df['target']=iris_data.target

ftr_df = iris_df.iloc[:, :-1]
tgt_df = iris_df.iloc[:, -1]
X_train, X_test, y_train, y_test = train_test_split(ftr_df, tgt_df, 
                                                    test_size=0.3, random_state=121)