이 글에서는 파이썬 대표 머신러닝 라이브러리인 Scikit-learn을 활용한 학습 모델 구축 과정을 단계별로 살펴봅니다.
Scikit-learn은 무료로 제공되는 오픈소스 머신러닝 라이브러리입니다. 랜덤 포레스트(Random Forest), 서포트 벡터 머신(SVM), K-최근접 이웃(KNN) 등 다양한 알고리즘을 지원하며, NumPy와 SciPy와 직접 연동되어 효율적인 데이터 처리가 가능합니다.
1. 데이터셋 불러오기
모델 구축의 첫 단계는 분석할 데이터를 불러오는 것입니다. pandas 라이브러리를 사용하면 URL이나 로컬 파일에서 손쉽게 데이터를 읽어올 수 있습니다.
import pandas as pd
# 데이터가 있는 URL 지정
url = "여기에_데이터_URL_입력"
data = pd.read_csv(url)
2. 데이터 탐색 및 정제
데이터를 불러온 후에는 head() 메서드를 사용해 상위 레코드를 확인하고, 필요에 따라 원하는 개수만큼 필터링하여 볼 수 있습니다.
data.head() # 기본적으로 상위 5개 레코드 출력
data.head(n=4) # 상위 4개 레코드만 출력
반대로 데이터셋의 마지막 부분을 확인하고 싶다면 tail() 메서드를 사용합니다.
data.tail() # 기본적으로 하위 5개 레코드 출력
data.tail(n=4) # 하위 4개 레코드만 출력
3. 데이터 시각화
탐색한 데이터를 효과적으로 이해하기 위해 시각화 단계를 진행합니다. Seaborn과 matplotlib 모듈을 활용하면 직관적인 그래프를 쉽게 그릴 수 있습니다.
import seaborn as sns
import matplotlib.pyplot as plt
sns.set(style="whitegrid", color_codes=True)
# 카운트플롯 생성
sns.countplot(x='Route To Market', data=sales_data, hue='Opportunity Result')
위 코드는 'Route To Market' 변수별로 'Opportunity Result' 결과를 색상으로 구분하여 보여주는 카운트플롯을 생성합니다.
4. 데이터 전처리
머신러닝 모델은 숫자 형태의 입력값만 처리할 수 있기 때문에, 문자열로 된 범주형 데이터를 숫자 값으로 변환하는 전처리 과정이 필요합니다. Scikit-learn의 LabelEncoder를 사용하면 간단하게 처리할 수 있습니다.
from sklearn import preprocessing
le = preprocessing.LabelEncoder()
# 문자열 컬럼을 숫자 값으로 변환
encoded_value = le.fit_transform(컬럼명_리스트)
print(encoded_value)
5. 모델 학습 및 구축
전처리까지 완료되었다면, 이제 준비된 데이터셋으로 머신러닝 모델을 학습시키는 최종 단계에 도달합니다. 데이터를 학습용(train)과 테스트용(test)으로 분리한 뒤, 선택한 알고리즘에 fit() 메서드를 적용하면 모델 구축이 완료됩니다.
결론
이번 글에서는 파이썬 머신러닝 라이브러리인 Scikit-learn을 활용한 모델 구축 과정을 살펴보았습니다. 데이터 불러오기부터 탐색, 시각화, 전처리, 그리고 모델 학습까지의 전체 흐름을 이해했다면, 실제 프로젝트에 다양한 알고리즘을 적용해 보며 실력을 키워보세요.