[220516-220522] 2022 GDSC ML Start Study - 2주차

이번주 스터디 목표, 스터디 범위

• [혼공머신] 회귀 알고리즘과 모델 규제 - k-최근접 이웃 회귀
• [혼공머신] 회귀 알고리즘과 모델 규제 - 선형 회귀
• [혼공머신] 회귀 알고리즘과 모델 규제 - 특성 공학과 규제

회귀 알고리즘과 모델 규제 - k-최근접 이웃 회귀

• k-최근접 이웃 회귀
• 데이터 준비
• 결정계수(R²)
• 과대적합 vs 과소적합

회귀 알고리즘과 모델 규제 - 선형 회귀

• k-최근접 이웃의 한계
• 선형 회귀
• 다항 회귀

회귀 알고리즘과 모델 규제 - 특성 공학과 규제

• 다중 회귀
• 데이터 준비
• 사이킷런의 변환기
• 다중 회귀 모델 훈련하기
• 규제
• 릿지 회귀
• 라쏘 회귀

새롭게 배운 것

k-최근접 이웃 회귀

• 회귀는 임의의 수치를 예측하는 문제이며 타깃값도 임의의 수치가 됨
• k-최근접 이웃 회귀는 k-최근접 이웃 알고리즘을 사용해 회귀 문제를 풀며 가장 가까운 이웃 샘플을 찾고
  이 샘플들의 타깃값을 평균하여 예측을 함
• KNeighborsRegressor는 k-최근접 이웃 회귀 모델을 만드는 사이킷런 클래스이며
  n_neighbors 매개변수로 이웃의 개수를 지정하고 기본값은 5
• 사이킷런에 사용할 훈련 세트는 특성과 샘플로 이루어진 2차원 배열이므로 넘파이의 reshape() 메소드로 배열의 크기를 바꿈
• 결정계수(R²)은 대표적인 회귀 문제의 성능 측정 도구로 1에 가까울수록 좋고, 0에 가깝다면 성능이 나쁜 모델
• 과대적합은 모델의 훈련 세트 성능이 테스트 세트 성능보다 훨씬 높을 때 일어나며 
  모델이 훈련 세트에 너무 집착해서 데이터에 내재된 거시적인 패턴을 감지하지 못함
• 과소적합은 훈련 세트와 테스트 세트 성능이 모두 동일하게 낮거나 테스트 세트 성능이 오히려 높을 때 일어나며 
  더 복잡한 모델을 사용해 훈련 세트에 잘 맞는 모델을 만들어야 함

선형 회귀

• 선형 회귀는 특성 타깃 사이의 관계를 가장 잘 나타내는 선형 방정식을 찾으며 특성이 하나면 직선 방정식이 됨
• 선형 회귀가 찾은 특성과 타깃 사이의 관계는 선형 방정식의 계수 또는 가중치에 저장되며 
  머신러닝에서 종종 가중치는 방정식의 기울기와 절편을 모두 의미하는 경우가 많음
• 모델 파라미터는 선형 회귀가 찾은 가중치처럼 머신러닝 모델이 특성에서 학습한 파라미터를 말함
• 다항 회귀는 다항식을 사용하여 특성과 타깃 사이의 관계를 나타내며 
  이 함수는 비선형일 수 있지만 여전히 선을 이어 그려 선형 회귀로 표현할 수 있음
• LinearRegression은 사이킷런의 선형 회귀 클래스이며
  학습된 모델의 coef_와 intercept_속성에 특성에 대한 계수를 포함한 배열과 절편이 저장됨

특성 공학과 규제

• 다중 회귀는 여러 개의 특성을 사용하는 회귀 모델로, 특성이 많으면 선형 모델은 강력한 성능을 발휘함
• read_csv()는 CSV 파일을 읽어 판다스 데이터프레임으로 변환하는 함수이며
  이후 넘파이 배열로 변환하여 데이터를 준비할 수 있음 
• 특성 공학은 주어진 특성을 조합하여 새로운 특성을 만드는 일련의 작업 과정
• PolynomialFeatures는 주어진 특성을 조합하여 새로운 특성을 만드는 사이킷런의 클래스이며
  degree를 통해 최소 차수를 지정하며 기본값은 2
• 릿지는 규제가 있는 선형 회귀 모델 중 하나이며 선형 모델의 계수를 작게 만들어 과대적합을 완화
• Ridge를 사용해 규제가 있는 회귀 알고리즘인 릿지 회귀 모델을 훈련하며
  alpha 매개변수로 규제의 강도를 조절하고 alpha 값이 클수록 규제가 세지게 되며 기본값은 1
• 라쏘는 또 다른 규제가 있는 선형 회귀 모델이며 릿지와 달리 계수 값을 아예 0으로 만들 수 있음
• Lasso를 사용해 규제가 있는 회귀 알고리즘인 라쏘 회귀 모델을 훈련하며 릿지 클래스와 매개변수가 동일
• 하이퍼파라미터는 머신러닝 알고리즘이 학습하지 않는 파라미터이므로 사람이 사전에 지정해야 함