[내일배움캠프_QA/QC 5기] 36일차(1) _ 머신러닝 완강

2026/04/27 Mon.

Ｘ	● 개인과제
Ｏ	● 머신러닝 기초 완강
Ｘ	● 머신러닝 심화 완강
↓ 주간 목표 ↓
	● 개인과제 제출 ● 자격증 공부

 

---

⊙ 머신러닝 기초 ~1-18

● 1-11

☑️ 다중선형회귀

• (X, y가 하나씩인 = 단순회귀분석)
• 비선형적 관계
• X 변수가 1개 이상(x변수가 2개 또는 x, x² 변수)

 

☑️ 범주형 데이터 사용

수치형 데이터	범주형 데이터
● 숫자로 된 데이터 ● 연속형 데이터 : 50~51 사이 소수점으로 연속된 숫자들이 존재하는 데이터 ● 이산형 데이터 : 두 개 값이 유한한 개ㅐ수로 나누어진 데이터 - 주사위 / 나이	● 숫자가 아닌 데이터 ● 순서형 자료 : 자료 자체에 순서가 있음 - 학점 A B C D = 100 90 80 70 ● 명목형 자료 : 순서 의미 없음 - 혈액형, 성별

 

☑️ 범주형 데이터 - 실습

• 머신러닝 모델에 훈련 시 해당 데이터를 숫자로 바꿔야함
• 성별 같은 범주형 데이터를 임의의 숫자로 바꿀 수 있음 ▷ Encoding 과정

 

#함수를 쓸수도, sklearn에서 제공하는 함수를 쓸 수도 있음 tips_df.head()
# Female 0, Male 1 def get_sex(x):     if x == 'Female':         return 0     else:         return 1
# 'apply'method - 매 행을 특정한 함수를 적용 tips_df['sex_en'] = tips_df['sex'].apply(get_sex) tips_df.head()
# 모델설계도 가져오기 # 학습 # 평가
model_lr3 = LinearRegression() X = tips_df[['total_bill','sex_en']] y = tips_df[['tip']]
#학습 model_lr3.fit(X,y)
#예측 y_pred_tip2 = model_lr3.predict(X)
y_pred_tip2[:5]
# 단순선형회귀 mse: X변수가 전체 금액 # 다중선형회귀 mse: X변수가 전체 금액, 성별 print('단순선형회귀', mean_squared_error(y_true_tip, y_pred_tip)) print('다중선형회귀', mean_squared_error(y_true_tip, y_pred_tip2))
print('단순선형회귀', r2_score(y_true_tip, y_pred_tip)) print('다중선형회귀', r2_score(y_true_tip, y_pred_tip2))
sns.barplot(data = tips_df, x = 'sex', y = 'tip')

 

 

---

● 1-12

☑️ 선형회귀

• 이해하기 쉽고 방법도 쉽지만! 선형적인 관계가 존재해야 함 = Linearity(선형성)
• 등분산성(Honoscedasticity) : 오차의 분산이 모든 독립변수에 대해 일정한 패턴을 가져야함 

• 정규성(Normality) : 정규분포를 따라야 한다 
• 독립성(Independence)
  : x 변수는 서로 독립적이어야 함 = x 변수 간의 연관이 없어야 함
  : 독립변수(x)간의 강한 상관관계 = 다중공선성
  : 해결 방법 - 상관관계가 높은 변수 중 하나 선택 
•  

☑️선형회귀 정리

장점	단점
● 직관적이고 이해가 쉬움 ● X-Y관계를 정량화 할 수 있음 ● 모델이 빠르게 학습함 - 가중치 계산이 빠	● X-Y간의 선형성 가정이 필요 ● 평균(mean)포함 하기에 이상치에 민감 ● 범주형변수를 인코딩 시 정보손실이 생김
sklearn.linear_model.LinearRegression

☑️ 데이터 프로세스

---

● 1-13

☑️ 로지스틱 회귀 - 타이타닉 

 

import pandas as pd titaninc_df  = pd.read_csv('/content/train.csv', encoding= 'utf-8') titaninc_df.head()
- 가설:  1. 비상상황특성상 여성을 배려해서 많이 생존   - 1. pivot table을 만들어 확인   - 2. 그래프를 통해서 확인
pd.pivot_table(titaninc_df, index = 'Sex', columns = 'Survived',aggfunc='size')
import seaborn as sns sns.countplot(titaninc_df, x = 'Sex', hue ='Survived')
- 정확도(Accuracy): 맞춘갯수 / 전체 데이터 - 생존을 맞춤     - 여성은 다 살았을것이고, 남성은 모두 죽었을 것이다.
#전체개수 len(titaninc_df)
(233+468)/891*100

 

 

---

● 1-14

☑️ 로지스틱 회귀

• X가 연속형 변수이고, Y가 특정 값이 될 확률
• ex) 타이타닉 -  p(y = 1(생존)) : 생존할 확률값을 예측
  확률p가 0 ≤ p ≤ 1 여야 하지만 회귀에서는 그런게 존재하지 않음
• 선형회귀가 적절하지 않

• 오즈비(Odds ratio) 개념
  : "승산비" 실패확률 대비 성공확률
  : 예를 들어 도박이 성공할 확률이 80% 라면, 오즈비는 80%/20% = 4 예요. 다시 해석해보면 1번 실패하면 4번은 딴다는 소리입니다.

• 어떤 값을 가져오더라도 반드시 특정 사건이 일어날 확률(Y값이 특정 값일 확률)이 0과 1안으로 들어오게 하는 특징을 가지게 됨

• 중치 값을 안다면 X값이 주어졌을 때 해당 사건이 일어날 수 있는 P의 확률을 계산
• 분류 예측에 사용

---

● 1-15

☑️ 분류 평가 지표

• 정밀도(Precision) : 모델이 양성 1로 예측한 결과 중 실제 양성의 비율(모델의 관점)

• 재현율(Recall) : 실제 값이 양성인 데이터 중 모델이 양성으로 예측한 비율(데이터의 관점)

• f1-Score: 정밀도와 재현율의 조화 평균

• 정확도(Accuracy)

 

---

● 1-16

☑️ 로지스틱 회귀 - 실습 

• sklearn.linear_model.LogisticRegression : 로지스틱회귀 모델 클래스
  • 속성
    • classes_: 클래스(Y)의 종류
    • n_features_in_ : 들어간 독립변수(X) 개수
    • feature_names_in_: 들어간 독립변수(X)의 이름
    • coef_: 가중치
    • intercept_: 바이어스
  • 메소드
    • fit: 데이터 학습
    • predict: 데이터 예측
    • predict_proba: 데이터가 Y = 1일 확률을 예측
• sklearn.metrics.accuracy : 정확도
• sklearn.metrics.f1_socre: f1_score

titaninc_df.head()
- 숫자     - Age, SibSp,Parch, Fare - 범주형     - Pclass, Sex, Cabin, Embarked - X변수 1개, Y변수(Survived)
# info(): 데이터에 대한 결측치, 데이터전체 갯수 등을 titaninc_df.info()
# X변수: Fare, Y변수: Survived X_1 = titaninc_df[['Fare']] y_true = titaninc_df[['Survived']]
import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns
from sklearn.linear_model import LogisticRegression
sns.scatterplot(titaninc_df, x = 'Fare',y = 'Survived')
sns.histplot(titaninc_df, x = 'Fare')
# 수치형데이터를 확인하는 쉬운방법 describe() titaninc_df.describe()
#모델 불러오기 model_lor = LogisticRegression() model_lor.fit(X_1, y_true)
def get_att(x):     #x모델을 넣기     print('클래스 종류', x.classes_)     print('독립변수 갯수', x.n_features_in_)     print('들어간 독립변수(x)의 이름',x.feature_names_in_)     print('가중치',x.coef_)     print('바이어스', x.intercept_) get_att(model_lor)
from sklearn.metrics import accuracy_score, f1_score def get_metrics(true, pred):     print('정확도', accuracy_score(true, pred))     print('f1-score', f1_score(true, pred))
y_pred_1 = model_lor.predict(X_1) y_pred_1[:10] len(y_pred_1)
get_metrics(y_true, y_pred_1)

 

---

● 1-17

☑️ 다중 로지스틱 회귀 - 실습

titaninc_df.info()
#Y(Surivved): 사망 #X(수치형): Fare #X(범주형): Plcass(좌석등급), Sex
def get_sex(x):     if x == 'female':         return 0     else:         return 1 titaninc_df['Sex_en'] = titaninc_df['Sex'].apply(get_sex)
titaninc_df.head(3)
X_2 = titaninc_df[['Pclass','Sex_en','Fare']] y_true = titaninc_df[['Survived']] model_lor_2 = LogisticRegression() model_lor_2.fit(X_2,y_true)
get_att(model_lor_2)
y_pred_2 = model_lor_2.predict(X_2) y_pred_1[:10]
# X변수가 Fare get_metrics(y_true, y_pred_1) # X변수가 Fare, Pclass, Sex get_metrics(y_true, y_pred_2)
# 각 데이터별 Y=1인 확률 뽑아내기(생존할 확률) model_lor_2.predict_proba(X_2)
y_pred_2[:10]

---

● 1-18

☑️ 로지스틱 회귀 마무리 

• 선형회귀의 아이디어에서 종속 변수(Y)만 가공한 것

장점	단점
● 직관적이고 이해하기 쉽다	● 복잡한 비선혀여 관계 모델링이 어려울 수 있음
sklearn.linear_model.LogisticRegresson

☑️ 회귀, 분류 정리 

• 선형회귀 + 로지스틱 공통점
  1. 모델 생성이 쉬움
  2. 가중치(혹은 회귀계수)를 통한 해석이 쉬운 장점
  3. X 변수에 범주형, 수치형 변수 둘 다 사용 가능

	선형회귀(회귀)	로지스틱회귀(분류)
Y(종속변수)	수치형	범주형
평가척도	MSE R square(Only 선형회귀)	Accuracy(정확도) F1 - score
sklearn 모델 클래스	sklearn.linear_model.linearRegression	sklearn.linear_model.LogistricRegression
sklearn 평가 클래스	sklearn.metrics.mean_squared_error skelarn.metrics.r2_score	sklearn.metrics.accuracy_score skelearn.metrics.f1_score

☑️ 데이터 분석 프로세스  

---