• 지도 학습의 대표적인 예시로 **분류(Classification)**가 있음.

• 데이터들이 다양한 특징과 함께 특정 label을 가지고 있을 때 특징들을 보고, label을 예측하는 것

  

  ex ) 스팸 메일 / 일반 메일

3.1 MNIST

• 분류 알고리즘을 공부할 때 마다, 항상 나오는 MNIST 데이터셋

  얼마나 자주 사용되면, 사이킷런 dataset 패키지에 데이터셋을 바로 다운 받을 수 있는 패키지도 존재함

  

• 그럼 도대체 MNIST 데이터셋이 뭐지 ??

  <aside> 💡

  고등학생과 미국 인구 조사국 직원들이 손으로 쓴 70,000개의 작은 숫자 이미지 데이터셋

  

  </aside>

  • 이런 데이터셋이 왜 분류 알고리즘을 학습하는 데 적합한걸까 ?

    → 0 ~ 9 라는 카테고리(label)를 가진 하나의 데이터들이 사람마다 너무 다양한 특징을 가지기 때문에

• 그렇다면 이제 막 기계학습에 대해서 공부하기 시작했는데 벌써 이미지 처리를 배워야 한다는 건가 ?

  → 당연히 아님 !!

  • 물론, 이미지는 맞지만 숫자 이미지는 0과 1이 모여 하나의 숫자를 구성하고 있는 것

  <aside> 💡

  

  0	0	0	0	0	0	0
  0	0	0	0	1	1	0
  0	0	0	0	1	0	0
  0	0	0	1	1	0	0
  0	0	0	1	0	0	0
  0	0	1	1	0	0	0
  0	0	1	0	0	0	0
  0	0	0	0	0	0	0
  </aside>

• 이게 무슨 말인지 잘 이해가 안가는데.. 예시를 들어 이해해보자

  • 일반적인 분류 데이터셋 (비만인 사람 분류하기)

    	성별	키	몸무게	비만 여부
    1번 데이터	남	170	100	O
    2번 데이터	여	160	50	X
    …
    99번 데이터	남	180	80	X

  • MNIST 데이터셋 (숫자 분류하기)

    	(1,1) 픽셀	(1,2) 픽셀	…	(28, 27) 픽셀	(28, 28) 픽셀	숫자 label
    1번 데이터	0	0		1	0	5
    2번 데이터	1	1		0	0	3
    …
    70000번 데이터	0	1		1	0	9

• 이제 이렇게 생긴 데이터셋을 train set / test set으로 나누고 모델을 학습시키기 시작

  

3.2 이진 분류기 훈련

• 엥 카테고리는 0 ~ 9까지 10개 있다고 했는데, 왜 이진 분류를 하는거지 ?

  • 다중 분류를 배우기 전 가장 간단하게 특정 숫자 인지 / 아닌지를 분류하는 모델을 테스트 해보기

• 우선, 데이터 형태 다시 확인하기

  

  • X 에는 28 x 28 픽셀들의 값이 들어가는거고 / Y 에는 그래서 그게 어떤 숫자인지 label이 들어감

• 근데 이진 분류를 해볼거니까, 데이터셋의 형태를 먼저 변형

  

• 이후 사용할 모델 선정

  • 사이킷런에서 제공하는 SGDClassifier 모델을 사용 (확률적 경사 하강법은 나중에 공부..)

    

    • 이렇게 두 줄로 모델 학습이 끝남

  <aside> 💡

  • SGDClassifier 모델은 무엇이고, 어떻게 학습을 시킨다는 것 ? (구글링, GPT에게 물어보기)

  

  ---

  

  ---

  

  </aside>

3.3 성능 측정

• 모델 학습이 끝났으면, 모델이 어느정도의 퍼포먼스를 보여주는지 성능 측정을 해야 함

  

  • 정답을 맞춘 경우에도 여러 종류가 있음.
    1. 실제 5를 5라고 말해서 정답인 경우
    2. 실제 5가 아닌 녀석들을 5가 아니라고 말해서 정답인 경우
  • 정답을 틀린 경우에도 여러 종류가 있음.
    1. 실제 5를 5가 아니라고 말해서 틀린 경우
    2. 실제 5가 아닌 녀석들을 5라고 말해서 틀린 경우

• 하지만, 단순 정확도는 내 모델이 어떤 경우에 더 강인한지 판단하기에 적합하지 않음.

  

  

  

  • 따라서, 위와 같은 다양한 평가 척도를 적절히 사용하는 것이 중요함