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

요리 분류기 1

이 강의에서는 이전 강의에서 저장한 균형 잡히고 깨끗한 요리 데이터셋을 사용합니다.

이 데이터셋을 다양한 분류기와 함께 사용하여 _재료 그룹을 기반으로 특정 국가의 요리를 예측_합니다. 이를 통해 분류 작업에 알고리즘을 활용하는 방법에 대해 더 많이 배우게 됩니다.

강의 전 퀴즈

준비

Lesson 1을 완료했다고 가정하고, cleaned_cuisines.csv 파일이 이 네 강의를 위한 루트 /data 폴더에 존재하는지 확인하세요.

연습 - 국가별 요리 예측하기

1. 이 강의의 notebook.ipynb 폴더에서 Pandas 라이브러리와 함께 해당 파일을 가져옵니다:

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

   데이터는 다음과 같이 보입니다:

	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 추가 라이브러리를 가져옵니다:

   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 나누어 훈련합니다. cuisine은 레이블 데이터프레임이 될 수 있습니다:

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

   데이터는 다음과 같이 보일 것입니다:

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

3. Unnamed: 0 열과 cuisine 열을 drop()을 사용하여 제거합니다. 나머지 데이터를 훈련 가능한 특징으로 저장하세요:

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

   특징 데이터는 다음과 같이 보입니다:

	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 훈련할 준비가 되었습니다!

분류기 선택하기

데이터가 깨끗하고 훈련 준비가 되었으니, 어떤 알고리즘을 사용할지 결정해야 합니다.

Scikit-learn은 분류를 지도 학습(Supervised Learning) 범주로 분류하며, 이 범주에서 다양한 분류 방법을 찾을 수 있습니다. 다양한 방법은 처음 보면 꽤 혼란스러울 수 있습니다. 다음 방법들은 모두 분류 기술을 포함합니다:

• 선형 모델(Linear Models)
• 서포트 벡터 머신(Support Vector Machines)
• 확률적 경사 하강법(Stochastic Gradient Descent)
• 최근접 이웃(Nearest Neighbors)
• 가우시안 프로세스(Gaussian Processes)
• 결정 트리(Decision Trees)
• 앙상블 방법(Ensemble methods, 투표 분류기)
• 다중 클래스 및 다중 출력 알고리즘(다중 클래스 및 다중 레이블 분류, 다중 클래스-다중 출력 분류)

신경망을 사용하여 데이터를 분류할 수도 있지만, 이는 이 강의의 범위를 벗어납니다.

어떤 분류기를 선택할까?

그렇다면 어떤 분류기를 선택해야 할까요? 종종 여러 분류기를 실행해보고 좋은 결과를 찾는 것이 테스트 방법입니다. Scikit-learn은 비교 예제를 제공하며, KNeighbors, SVC 두 가지 방식, GaussianProcessClassifier, DecisionTreeClassifier, RandomForestClassifier, MLPClassifier, AdaBoostClassifier, GaussianNB 및 QuadraticDiscriminationAnalysis를 비교하여 결과를 시각화합니다:

Scikit-learn 문서에서 생성된 플롯

AutoML은 클라우드에서 이러한 비교를 실행하여 데이터에 가장 적합한 알고리즘을 선택할 수 있도록 문제를 깔끔하게 해결합니다. 여기에서 시도해보세요.

더 나은 접근법

무작위로 추측하는 것보다 더 나은 방법은 이 다운로드 가능한 ML Cheat Sheet를 따르는 것입니다. 여기에서 다중 클래스 문제에 대해 몇 가지 선택지가 있다는 것을 알 수 있습니다:

Microsoft의 알고리즘 치트 시트의 일부, 다중 클래스 분류 옵션을 설명

✅ 이 치트 시트를 다운로드하고, 출력하여 벽에 걸어두세요!

추론

제약 조건을 고려하여 다양한 접근법을 추론해 봅시다:

• 신경망은 너무 무겁다. 깨끗하지만 최소한의 데이터셋과 로컬 노트북을 통해 훈련을 실행한다는 점을 고려할 때, 신경망은 이 작업에 너무 무겁습니다.
• 이중 클래스 분류기는 사용하지 않는다. 이중 클래스 분류기를 사용하지 않으므로 one-vs-all은 제외됩니다.
• 결정 트리 또는 로지스틱 회귀가 적합할 수 있다. 결정 트리가 적합할 수 있으며, 다중 클래스 데이터에 대해 로지스틱 회귀도 적합할 수 있습니다.
• 다중 클래스 부스팅 결정 트리는 다른 문제를 해결한다. 다중 클래스 부스팅 결정 트리는 비모수적 작업, 예를 들어 순위를 생성하는 작업에 가장 적합하므로 우리에게는 적합하지 않습니다.

Scikit-learn 사용하기

우리는 Scikit-learn을 사용하여 데이터를 분석할 것입니다. 그러나 Scikit-learn에서 로지스틱 회귀를 사용하는 방법은 여러 가지가 있습니다. 전달할 매개변수를 확인하세요.

본질적으로 두 가지 중요한 매개변수 - multi_class와 solver - 를 지정해야 합니다. Scikit-learn에 로지스틱 회귀를 수행하도록 요청할 때 이 두 가지가 필요합니다. multi_class 값은 특정 동작을 적용합니다. solver 값은 사용할 알고리즘을 나타냅니다. 모든 solver가 모든 multi_class 값과 함께 사용할 수 있는 것은 아닙니다.

문서에 따르면, 다중 클래스의 경우 훈련 알고리즘은:

• one-vs-rest (OvR) 방식을 사용합니다, 만약 multi_class 옵션이 ovr로 설정된 경우
• 교차 엔트로피 손실을 사용합니다, 만약 multi_class 옵션이 multinomial로 설정된 경우. (현재 multinomial 옵션은 ‘lbfgs’, ‘sag’, ‘saga’ 및 ‘newton-cg’ solver에서만 지원됩니다.)

🎓 여기서 '방식'은 'ovr'(one-vs-rest) 또는 'multinomial'일 수 있습니다. 로지스틱 회귀는 본래 이진 분류를 지원하도록 설계되었기 때문에, 이러한 방식은 다중 클래스 분류 작업을 더 잘 처리할 수 있도록 합니다. 출처

🎓 'solver'는 "최적화 문제에서 사용할 알고리즘"으로 정의됩니다. 출처.

Scikit-learn은 solver가 다양한 데이터 구조에서 발생하는 다양한 문제를 어떻게 처리하는지 설명하는 표를 제공합니다:

연습 - 데이터 나누기

이전 강의에서 배운 로지스틱 회귀를 첫 번째 훈련 시도로 사용할 수 있습니다. train_test_split()을 호출하여 데이터를 훈련 및 테스트 그룹으로 나누세요:

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

연습 - 로지스틱 회귀 적용하기

다중 클래스의 경우, 어떤 _방식_을 사용할지와 어떤 _solver_를 설정할지 선택해야 합니다. 다중 클래스 설정과 liblinear solver를 사용하여 LogisticRegression을 훈련하세요.

1. multi_class를 ovr로 설정하고 solver를 liblinear로 설정하여 로지스틱 회귀를 생성하세요:

   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))
   

   ✅ 기본값으로 자주 설정되는 lbfgs와 같은 다른 solver를 시도해보세요.

참고로, 데이터가 필요할 때 평탄화하려면 Pandas ravel 함수를 사용하세요. 정확도가 80% 이상으로 좋습니다!

1. 데이터의 한 행(#50)을 테스트하여 이 모델의 작동을 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 번호를 시도하고 결과를 확인해 보세요.

2. 더 깊이 탐구하여 이 예측의 정확도를 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 가장 높은 확률로 예측되었습니다:

   	0
   indian	0.715851
   chinese	0.229475
   japanese	0.029763
   korean	0.017277
   thai	0.007634

   ✅ 모델이 왜 이 요리가 인도 요리라고 확신하는지 설명할 수 있나요?

3. 회귀 수업에서 했던 것처럼 분류 보고서를 출력하여 더 많은 세부 정보를 확인하세요:

   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 정제된 데이터를 사용하여 재료 목록을 기반으로 국가별 요리를 예측하는 머신 러닝 모델을 구축했습니다. Scikit-learn이 데이터를 분류하기 위해 제공하는 다양한 옵션을 읽어보세요. 'solver'의 개념을 더 깊이 탐구하여 내부적으로 어떤 일이 일어나는지 이해해 보세요.

강의 후 퀴즈

복습 및 자기 학습

로지스틱 회귀의 수학적 배경을 이 강의에서 더 깊이 탐구해 보세요.

과제

solver에 대해 공부하기

---

면책 조항:
이 문서는 AI 번역 서비스 Co-op Translator를 사용하여 번역되었습니다. 정확성을 위해 최선을 다하고 있으나, 자동 번역에는 오류나 부정확성이 포함될 수 있습니다. 원본 문서를 해당 언어로 작성된 상태에서 권위 있는 자료로 간주해야 합니다. 중요한 정보의 경우, 전문적인 인간 번역을 권장합니다. 이 번역 사용으로 인해 발생할 수 있는 오해나 잘못된 해석에 대해 당사는 책임을 지지 않습니다.