첫 모델: 결정 트리
이제 실제로 무언가를 훈련할 시간이에요. 결정 트리 분류기는 특성에 대한 예/아니오 질문의 순서도를 배우고, 순서도의 각 잎이 예측된 레이블이에요. 그려 보기 쉬워서 좋은 첫 모델이에요: 결정할 수 있을 때까지 "특성 1이 5보다 큰가?" 같은 질문을 계속해요.
코드는 첫 레슨의 fit/predict 의식을 따라요:
from sklearn.tree import DecisionTreeClassifier
clf = DecisionTreeClassifier(random_state=0)
clf.fit(X, y) # learn the questions
clf.predict(X_new) # classify new rows재현성을 위해 random_state=0을 넘겨요. 각 분기를 만들 때 scikit-learn은 고려하는 특성을 무작위로 섞기 때문에, 시드 없는 두 실행은 서로 다른(똑같이 좋은) 분기를 골라 조금 다른 트리를 키울 수 있어요. 시드를 고정하면 그 선택이 고정되어 매번 같은 트리를 얻어요.
작고 깨끗한 데이터셋으로 훈련해요. 각 행에는 특성이 두 개 있어요. 두 특성이 모두 작으면 레이블은 0, 둘 다 크면 1이고, 그 사이에 뚜렷한 틈이 있어요:
X = [[1,1],[2,1],[1,2],[2,2], # all label 0 (low/low)
[8,8],[9,8],[8,9],[9,9]] # all label 1 (high/high)두 그룹이 완벽하게 나뉘어 있으니, 트리는 모든 훈련 행을 맞히는 규칙을 배울 수 있어요. 지저분한 실제 데이터에서는 늘 그렇지 않고, 다음 레슨들은 그럴 때 무엇을 할지에 관한 거예요. 하지만 깔끔한 첫 실행이 돼요.
더 넓은 AI 세계에 대한 참고 하나: TensorFlow와 PyTorch 같은 무거운 도구는 이 브라우저 속 Python에서 돌 수 없어서, 이 강좌는 scikit-learn을 써요. 진짜 생각을 배우기에는 충분해요.
특성 X(8행, 2열)와 레이블 y가 주어져요. clf라는 DecisionTreeClassifier(random_state=0)를 만들고, X와 y로 fit 한 다음, X로 예측해서 결과를 preds에 저장하세요. 새 점 하나 [[9, 9]]도 예측해서 그 레이블 하나(int)만 new_pred에 저장하세요.
이 연습은 곧 열려요
앞의 레슨을 마치면 이 레슨이 열려요. 강좌 전체가 무료이고 계정도 필요 없으며, 이 레슨은 지금 바로 읽을 수 있어요.
이 브라우저가 learn.floati.life의 쿠키를 막고 있어서, 여기서 마친 레슨들이 순서대로 열리지 않아요. 이 사이트의 쿠키를 허용하고 새로고침하세요.