scikit-learn에 대하여

scikit-learn에서 사용할 알고리즘을 어떻게 분류해놨는지 밑에 링크를 통해 볼 수 있다.
choosing right algorithm

출처 : scikit-learn 공식 홈페이지
scikit-learn에서는 알고리즘을 크게 3가지 기준으로 나누었다.

• 데이터 량
• 라벨의 유무(정답의 유무)
• 데이터의 종류 ( 수치형 데이터(quantity), 범주형 데이터(category) 등등 )

분류 기준은 새로운 기술이 나오면 시시각각 바뀔 것이다.

scikit-learn package 설치 명령어이다.

!pip install scikit-learn

#!conda install scikit-learn

scikit learn을 설치했으면 모듈을 import 한 뒤 버전을 확인해보자. 참고로, scikit-learn은 설치명과 import할 때 이름이 다르다. import 할 때는 sklearn이라고 써야한다.

import sklearn
print(sklearn.__version__)

scikit-learn에서 중요한 메소드들이 몇개 있다.

• train_test_split() : train데이터와 test데이터를 나눠주는 model_selection객체 안의 메소드.
• transformer() : ETL(Extract Transform Load)부분에서 사용하는 메소드.
• fit(), predict() : 모델의 훈련과 예측을 담당하는 Estimator객체에서 사용하는 메소드들,
• Pipeline() : 모델의 훈련과 예측이 끝나면 이 2가지 작업을 묶어 검증을 수행하는 메소드

다음 포스트 부터 차차 배워보도록 하자.