ML-For-Beginners/translations/ko/4-Classification/2-Classifiers-1

Cuisine classifiers 1

이 강의에서는 앞서 강의에서 저장한 균형 잡히고 깔끔한 요리 데이터셋을 사용합니다.

이 데이터셋을 다양한 분류기와 함께 사용하여 _주어진 재료 그룹을 기반으로 특정 국가 요리를 예측하는 작업_을 수행할 것입니다. 이를 통해 알고리즘이 분류 작업에 어떻게 활용될 수 있는지에 대해 더 많이 배우게 됩니다.

사전 강의 퀴즈

준비

Lesson 1을 완료한 상태라면, 이 네 번의 강의를 위해 루트 /data 폴더에 cleaned_cuisines.csv 파일이 존재하는지 확인하세요.

연습 - 국가 요리 예측

1. 이번 강의의 notebook.ipynb 폴더에서 Pandas 라이브러리와 해당 파일을 불러옵니다:

   import pandas as pd
   cuisines_df = pd.read_csv("../data/cleaned_cuisines.csv")
   cuisines_df.head()
   

   데이터는 다음과 같습니다:

	Unnamed: 0	cuisine	almond	angelica	anise	anise_seed	apple	apple_brandy	apricot	armagnac	...	whiskey	white_bread	white_wine	whole_grain_wheat_flour	wine	wood	yam	yeast	yogurt	zucchini
0	0	indian	0	0	0	0	0	0	0	0	...	0	0	0	0	0	0	0	0	0	0
1	1	indian	1	0	0	0	0	0	0	0	...	0	0	0	0	0	0	0	0	0	0
2	2	indian	0	0	0	0	0	0	0	0	...	0	0	0	0	0	0	0	0	0	0
3	3	indian	0	0	0	0	0	0	0	0	...	0	0	0	0	0	0	0	0	0	0
4	4	indian	0	0	0	0	0	0	0	0	...	0	0	0	0	0	0	0	0	1	0

1. 이제 몇 가지 라이브러리를 더 불러옵니다:

   from sklearn.linear_model import LogisticRegression
   from sklearn.model_selection import train_test_split, cross_val_score
   from sklearn.metrics import accuracy_score,precision_score,confusion_matrix,classification_report, precision_recall_curve
   from sklearn.svm import SVC
   import numpy as np
   

2. X와 y 좌표를 두 개의 데이터프레임으로 나눠 훈련에 사용하세요. cuisine은 레이블 데이터프레임이 될 수 있습니다:

   cuisines_label_df = cuisines_df['cuisine']
   cuisines_label_df.head()
   

   이렇게 보일 것입니다:

   0    indian
   1    indian
   2    indian
   3    indian
   4    indian
   Name: cuisine, dtype: object
   

3. Unnamed: 0 열과 cuisine 열을 drop()으로 삭제하세요. 나머지 데이터를 학습 가능한 특징(feature)으로 저장합니다:

   cuisines_feature_df = cuisines_df.drop(['Unnamed: 0', 'cuisine'], axis=1)
   cuisines_feature_df.head()
   

   특징 데이터는 다음과 같습니다:

	almond	angelica	anise	anise_seed	apple	apple_brandy	apricot	armagnac	artemisia	artichoke	...	whiskey	white_bread	white_wine	whole_grain_wheat_flour	wine	wood	yam	yeast	yogurt	zucchini
0	0	0	0	0	0	0	0	0	0	0	...	0	0	0	0	0	0	0	0	0	0
1	1	0	0	0	0	0	0	0	0	0	...	0	0	0	0	0	0	0	0	0	0
2	0	0	0	0	0	0	0	0	0	0	...	0	0	0	0	0	0	0	0	0	0
3	0	0	0	0	0	0	0	0	0	0	...	0	0	0	0	0	0	0	0	0	0
4	0	0	0	0	0	0	0	0	0	0	...	0	0	0	0	0	0	0	0	1	0

이제 모델을 학습시킬 준비가 되었습니다!

분류기 선택

데이터가 깨끗하고 학습할 준비가 되었으므로, 어떤 알고리즘을 사용할지 결정해야 합니다.

Scikit-learn은 분류를 감독 학습(Supervised Learning) 아래에 그룹화하며, 그 안에서 다양한 분류 방법을 찾을 수 있습니다. 다양한 방법들은 처음 보면 꽤 복잡해 보일 수 있습니다. 다음 방법들이 모두 분류 기술을 포함합니다:

• 선형 모델 (Linear Models)
• 서포트 벡터 머신 (Support Vector Machines)
• 확률적 경사 하강법 (Stochastic Gradient Descent)
• 최근접 이웃 알고리즘 (Nearest Neighbors)
• 가우시안 프로세스 (Gaussian Processes)
• 결정 트리 (Decision Trees)
• 앙상블 방법 (voting Classifier)
• 다중 클래스 및 다중 출력 알고리즘 (multiclass and multilabel classification, multiclass-multioutput classification)

신경망으로도 분류가 가능합니다. 하지만 이는 이 강의 범위를 벗어납니다.

어떤 분류기를 쓸까?

그렇다면 어떤 분류기를 선택해야 할까요? 보통은 여러 분류기를 실행해보고 좋은 결과가 나오는 것을 선택하는 방법이 있습니다. Scikit-learn은 생성한 데이터셋 위에서 KNeighbors, 두 가지 방법의 SVC, GaussianProcessClassifier, DecisionTreeClassifier, RandomForestClassifier, MLPClassifier, AdaBoostClassifier, GaussianNB, QuadraticDiscrinationAnalysis를 비교하는 나란히 비교를 제공합니다. 결과는 시각화되어 있습니다:

스캐킷런 문서에서 생성된 플롯

AutoML은 이 문제를 클라우드에서 여러 비교를 실행해 가장 적합한 알고리즘을 선택할 수 있도록 깔끔하게 해결합니다. 여기서 시도해 보세요

더 나은 접근법

무작위로 추측하는 것보다는 다운로드 가능한 ML 치트 시트의 아이디어를 따르는 것이 더 좋습니다. 여기서 다중 클래스 문제에 대해 다음과 같은 선택지를 알 수 있습니다:

마이크로소프트 알고리즘 치트 시트 일부, 다중 클래스 분류 옵션 설명

✅ 이 치트 시트를 다운로드하여 출력한 후 벽에 붙여 두세요!

이유 분석

제약 조건을 고려해 서로 다른 접근법을 논리적으로 살펴봅시다:

• 신경망은 너무 무겁다. 깔끔하지만 최소한의 데이터셋이고 노트북에서 로컬 학습을 진행하므로 신경망은 과도한 무게를 가집니다.
• 2클래스 분류기를 사용하지 않는다. 2클래스 분류기가 아니므로 one-vs-all 방식은 제외됩니다.
• 결정 트리나 로지스틱 회귀가 가능하다. 결정 트리나 다중 클래스 데이터용 로지스틱 회귀를 사용할 수 있습니다.
• 다중 클래스 부스팅 결정 트리는 다른 문제에 적합하다. 다중 클래스 부스팅 결정 트리는 주로 순위 생성과 같은 비모수 작업에 적합하여 여기에는 적합하지 않습니다.

Scikit-learn 사용하기

데이터 분석을 위해 Scikit-learn을 사용할 것입니다. 하지만 Scikit-learn에서 로지스틱 회귀를 사용하는 방법은 다양합니다. 전달 가능한 파라미터를 확인해 보세요.

사실상 중요한 파라미터는 multi_class와 solver 두 가지입니다. 로지스틱 회귀를 수행할 때 이 두 가지를 지정해야 합니다. multi_class 값은 특정 동작을 적용하고, solver는 사용할 알고리즘을 지정합니다. 모든 solver가 모든 multi_class 값과 호환되는 것은 아닙니다.

문서에 따르면, 다중 클래스의 경우 학습 알고리즘은:

• multi_class 옵션이 ovr인 경우 one-vs-rest (OvR) 방식을 사용합니다.
• multi_class 옵션이 multinomial인 경우 교차 엔트로피 손실(cross-entropy loss)를 사용합니다. (multinomial 옵션은 현재 'lbfgs', 'sag', 'saga', 'newton-cg' solver만 지원)

🎓 여기서 'scheme'은 'ovr'(one-vs-rest) 또는 'multinomial'일 수 있습니다. 로지스틱 회귀는 기본적으로 이진 분류용이지만 이 방식들이 다중 클래스 분류에 적합하도록 돕습니다. 소스

🎓 'solver'는 "최적화 문제에서 사용하는 알고리즘"으로 정의됩니다. 소스.

Scikit-learn은 소버가 서로 다른 데이터 구조에서 어떻게 문제를 처리하는지 설명하는 표를 제공합니다:

연습 - 데이터 분할

최근 이전 강의에서 배운 로지스틱 회귀를 첫 번째 학습 시도에 집중하여 사용합시다.

train_test_split()을 호출하여 데이터를 학습 그룹과 평가 그룹으로 나눕니다:

X_train, X_test, y_train, y_test = train_test_split(cuisines_feature_df, cuisines_label_df, test_size=0.3)

연습 - 로지스틱 회귀 적용

다중 클래스 설정을 사용하기 때문에 어떤 _scheme_과 _solver_를 쓸지 선택해야 합니다. multi_class를 설정하고 liblinear solver를 사용해 LogisticRegression을 학습하세요.

1. multi_class를 ovr로, solver를 liblinear로 설정해 로지스틱 회귀를 만듭니다:

   lr = LogisticRegression(multi_class='ovr',solver='liblinear')
   model = lr.fit(X_train, np.ravel(y_train))
   
   accuracy = model.score(X_test, y_test)
   print ("Accuracy is {}".format(accuracy))
   

   ✅ lbfgs와 같은 다른 solver도 시도해 보세요. 보통 기본값으로 설정되어 있습니다.

   필요할 때 Pandas의 ravel 함수를 사용해 데이터를 평탄화하세요.

   정확도는 80% 이상으로 좋습니다!

2. 데이터 한 행 (#50)으로 테스트하여 이 모델이 어떻게 동작하는지 확인할 수 있습니다:

   print(f'ingredients: {X_test.iloc[50][X_test.iloc[50]!=0].keys()}')
   print(f'cuisine: {y_test.iloc[50]}')
   

   결과가 출력됩니다:

   ingredients: Index(['cilantro', 'onion', 'pea', 'potato', 'tomato', 'vegetable_oil'], dtype='object')
   cuisine: indian
   

   ✅ 다른 행 번호로 바꿔 결과를 확인해 보세요.

3. 좀 더 자세히 살펴보면, 이 예측의 정확성을 확인할 수 있습니다:

   test= X_test.iloc[50].values.reshape(-1, 1).T
   proba = model.predict_proba(test)
   classes = model.classes_
   resultdf = pd.DataFrame(data=proba, columns=classes)
   
   topPrediction = resultdf.T.sort_values(by=[0], ascending = [False])
   topPrediction.head()
   

   결과가 출력됩니다 - 인도 요리가 모델의 가장 좋은 추측이며, 높은 확률입니다:

   	0
   indian	0.715851
   chinese	0.229475
   japanese	0.029763
   korean	0.017277
   thai	0.007634

   ✅ 모델이 왜 이 음식이 인도 요리라고 꽤 확신하는지 설명할 수 있나요?

4. 회귀 수업에서 했던 것처럼, 분류 보고서를 출력하여 더 자세한 정보를 얻으세요:

   y_pred = model.predict(X_test)
   print(classification_report(y_test,y_pred))
   

   	precision	recall	f1-score	support
   chinese	0.73	0.71	0.72	229
   indian	0.91	0.93	0.92	254
   japanese	0.70	0.75	0.72	220
   korean	0.86	0.76	0.81	242
   thai	0.79	0.85	0.82	254
   accuracy			0.80	1199
   macro avg	0.80	0.80	0.80	1199
   weighted avg	0.80	0.80	0.80	1199

🚀도전 과제

이번 수업에서는 정리된 데이터를 사용해 일련의 재료를 기반으로 국가 요리를 예측하는 머신러닝 모델을 만들었습니다. Scikit-learn이 제공하는 다양한 데이터 분류 옵션을 살펴볼 시간을 가지세요. 'solver' 개념을 더 깊게 파고들어 내부에서 어떤 일이 일어나는지 이해해 보세요.

강의 후 퀴즈

복습 및 자기 주도 학습

이 수업에서 로지스틱 회귀의 수학적 배경을 좀 더 깊이 탐구해 보세요.

과제

솔버 학습

---

면책 조항:
이 문서는 AI 번역 서비스 Co-op Translator를 사용하여 번역되었습니다. 정확성을 위해 노력하고 있으나, 자동 번역에는 오류나 부정확성이 포함될 수 있음을 유의하시기 바랍니다. 원본 문서가 권위 있는 출처로 간주되어야 합니다. 중요한 정보의 경우 전문가의 인적 번역을 권장합니다. 본 번역 사용으로 인한 오해나 잘못된 해석에 대해 당사는 책임을 지지 않습니다.