[python] scikit-learn을 사용한 다중 클래스 분류 결과 시각화

01 Dec 2023

python

scikit-learn은 파이썬에서 머신 러닝을 구현하기 위한 강력한 라이브러리입니다. 다중 클래스 분류는 데이터를 여러 개의 클래스로 분류하는 작업을 의미합니다. 이번 글에서는 scikit-learn을 사용하여 다중 클래스 분류 결과를 시각화하는 방법에 대해 알아보겠습니다.

1. 데이터셋 불러오기

먼저, 다중 클래스 분류를 위해 사용할 데이터셋을 불러옵니다. scikit-learn에는 여러 개의 예제 데이터셋이 내장되어 있으며, 이 중에서 분류에 적합한 데이터셋을 선택할 수 있습니다. 예를 들어, load_digits 함수를 사용하면 손글씨 숫자 이미지 데이터셋을 불러올 수 있습니다:

from sklearn.datasets import load_digits

digits = load_digits()
X = digits.data
y = digits.target

2. 모델 학습하기

이제, 다중 클래스 분류를 위한 모델을 선택하고 학습시킵니다. 여기서는 결정 트리(classification tree)를 사용하도록 하겠습니다:

from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

model = DecisionTreeClassifier()
model.fit(X_train, y_train)

3. 예측 결과 시각화하기

마지막으로, 학습된 모델을 사용하여 예측 결과를 시각화할 수 있습니다. scikit-learn은 plot_confusion_matrix 함수를 제공하여 다중 클래스 분류 결과를 행렬 형태로 나타낼 수 있습니다.

import matplotlib.pyplot as plt
from sklearn.metrics import plot_confusion_matrix

plot_confusion_matrix(model, X_test, y_test)
plt.show()

위의 코드를 실행하면, 다중 클래스 분류의 결과를 행렬 형태로 시각화한 그래프가 표시됩니다. 이 행렬은 정확히 예측된 클래스와 잘못 예측된 클래스를 구분하여 보여줍니다.

결론

scikit-learn을 사용하여 다중 클래스 분류 결과를 시각화하는 방법에 대해 알아보았습니다. 이를 통해 머신 러닝 모델의 성능을 평가하고, 분석 결과를 시각적으로 확인할 수 있습니다. 다중 클래스 분류에 대해 더 자세히 알고 싶다면 scikit-learn의 공식 문서를 참조해보세요.

참고 자료

scikit-learn documentation: https://scikit-learn.org/stable/index.html

작성자: AI Assist