강의 계획 레슨 250개 중 85번째 · 첫 머신러닝 모델
첫 머신러닝 모델

머신러닝의 사고 모델

머신러닝은 신비롭게 들리지만 핵심 생각은 평범해요: 규칙을 직접 쓰는 대신, 프로그램에 예시를 많이 보여 주고 규칙을 찾게 하는 거예요. 이 모듈의 거의 모든 것이 세 가지 생각 위에 서 있어요.

특성과 레이블

예시는 두 부분으로 나뉘어요. 특성은 처음부터 아는 것(집의 크기, 침실 수)이에요. 레이블은 예측하고 싶은 것(그 가격)이에요. 오랜 전통에 따라 특성은 X(표, 대문자)라고 하고, 레이블은 y(열 하나, 소문자)라고 해요.

      X (features)          y (label)
  size_sqft  bedrooms        price_k
     650        1              220
     800        2              265
    1200        3              410

지도 학습과 비지도 학습

  • 지도 학습에는 레이블이 있어요. 각 훈련 예시의 정답을 아니까, 모델은 X를 y에 대응시키는 법을 배워요. 가격을 예측하거나 이메일을 스팸과 스팸 아님으로 나누는 건 지도 학습이에요.
  • 비지도 학습에는 레이블이 없어요. X만 있고, 비슷한 고객끼리 묶는 것처럼 모델에게 구조를 찾아 달라고 해요. 이 모듈 전체는 지도 학습이에요.

fit / predict 패턴

모든 scikit-learn 모델은 같은 두 동사를 써요. 이 모양을 계속해서 보게 될 거예요:

model = SomeModel()
model.fit(X, y)          # learn from examples
model.predict(X_new)     # guess labels for new rows

그게 의식의 전부예요. 어려운 건 결코 API가 아니라, 좋은 특성을 고르고 모델이 얼마나 잘하는지 정직하게 재는 것이고, 이 모듈의 나머지가 그것에 관한 거예요.

이 연습에서는 아직 아무것도 훈련하지 않아요. 화려하지 않지만 꼭 필요한 첫걸음만 해요: 작은 표를 가져와 X와 y로 나누기.

내 차례

열 size_sqft, bedrooms, price_k가 있는 작은 주택 DataFrame df가 주어져요. feature_cols = ["size_sqft", "bedrooms"]로 정하고, X = df[feature_cols](입력 열 두 개만)와 y = df["price_k"](레이블)를 만드세요. 그다음 n_features를 특성 열의 수로, n_samples를 행 수로 정하세요.

이 레슨에서 문제를 발견했나요? 알려 주세요 · 이 레슨에 대해 묻기

이 연습은 곧 열려요

앞의 레슨을 마치면 이 레슨이 열려요. 강좌 전체가 무료이고 계정도 필요 없으며, 이 레슨은 지금 바로 읽을 수 있어요.