인공지능 파이썬 실무대단원 Ⅲ. 파이썬과 머신러닝 교과서 60–131쪽
중단원 02. 머신러닝 라이브러리 활용 · 85–128쪽
소단원 03. 주요 머신러닝 알고리즘 활용 · 103–111쪽
이 웹 주제의 연계 범위: 103–105쪽
웹 학습 주제 08 / 13
분류: k-NN·로지스틱·트리·SVM
이름에 회귀가 들어 있어도 범주를 예측하는 모델이 있어요.
분류: k-NN·로지스틱·트리·SVM · 한눈에 보기
- 1붓꽃 X,y
- 2분할
- 3스케일 + 분류기 fit
- 4새 X로 predict
- 5정답과 비교
| 알고리즘 | 핵심 | 조절값 예 |
|---|---|---|
| k-NN | 가까운 이웃 | n_neighbors |
| 로지스틱 | 클래스 확률 | C |
| 결정 트리 | 조건 분기 | max_depth |
| SVM | 분리 경계 | C / kernel |
k-NN은 가까운 이웃들의 정답을 참고합니다. 로지스틱 회귀는 분류에 사용하는 모델이고, 결정 트리는 조건으로 데이터를 나누며, SVM은 범주 사이의 경계를 학습합니다.
붓꽃 예제에서 X는 꽃받침·꽃잎의 측정값이고 y는 품종입니다. stratify=y는 분할 시 클래스 비율을 고려합니다. k-NN·SVM 등은 거리나 스케일의 영향을 받으므로 전처리를 파이프라인 안에서 학습합니다.
직접 해 보세요
- k를 3과 7로 바꾸고 같은 분할에서 결과를 비교하세요.
이 설명에 이어서 실습하기
예제를 선택하면 바로 아래에서 코드를 수정하고 실행할 수 있습니다. 작성한 코드는 예제별로 저장됩니다.
CODE WORKSPACE
코드를 바꾸는 실습실
실행 엔진은 처음 실행할 때 내려받습니다. 패키지 크기에 따라 최초 준비에 최대 3분이 걸릴 수 있으며 네트워크가 필요합니다. 실행은 최대 30초이며 중지 후 다시 실행할 수 있습니다.
실행할 예제를 선택하세요.
PRACTICE / RETRY / UNDERSTAND
이 주제 연습 문제 0
이 주제와 연결된 문제만 보여 줍니다. 단원 전체 문제는 단원 안내 페이지에서 이어서 풀 수 있습니다.