Machine Learning(ML)이란 학습 데이터의 패턴을 학습한 뒤 새로운 데이터에 대해 정확한 추론을 할 수 있는 알고리즘에 초점을 맞춘 AI의 하위 집합이다. (출처)
머신러닝(ML, 기계학습)이란 컴퓨터가 일일이 코드로 명령을 받지 않고, 방대한 데이터를 바탕으로 스스로 패턴을 찾아 학습하며 예측이나 결정을 내리게 하는 AI의 핵심 기술 분야다.
🧩 sklearn이란?
Scikit-learn은 NumPy, SciPy 및 matplotlib을 기반으로 구축된 예측 데이터 분석을 위한 간단하고 효율적인 도구이다. (scikit-learn 공식 웹사이트 발췌)
scikit-learn(a.k.a sklearn)은 파이썬에서 머신러닝을 쉽게 사용할 수 있게 해주는 대표적인 라이브러리로, 복잡한 머신러닝 알고리즘을 직접 구현할 필요 없이 비교적 간단한 API로 데이터 준비부터 모델 평가까지의 과정을 수행할 수 있게 해주는 도구다. 주로 데이터 분석과 예측 모델 개발이 많이 사용된다.
주요 기능
분류(Classification): 데이터를 범주로 나누기 (예: 이메일이 스팸인지 아닌지?)
회귀(Regression): 연속적인 숫자 예측 (예: 집값, 매출, 온도 예측)
군집화(Clustering): 비슷한 데이터끼리 그룹화 (예: 고객을 구매 성향에 따라 여러 그룹으로 분류)
차원 축소(Dimensionality Reduction): 많은 변수의 데이터를 더 적은 변수로 압축 (예: PCA)
데이터 전처리(Preprocessing): 결측치 처리, 정규화, 인코딩 등
모델 평가 및 검증: 정확도 측정, 교차 검증, 하이퍼파라미터 튜닝
사용 예시
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import accuracy_score
# 예제 데이터 불러오기
iris = load_iris()
X = iris.data
y = iris.target
# 학습용/테스트용 데이터 분리
X_train, X_test, y_train, y_test = train_test_split(
X, y, test_size=0.2, random_state=42
)
# 모델 생성 및 학습
model = DecisionTreeClassifier()
model.fit(X_train, y_train)
# 예측
y_pred = model.predict(X_test)
# 성능 평가
print(accuracy_score(y_test, y_pred)) # 1.0
🧩 머신러닝 실습하기
sklearn을 사용해 머신러닝 전처리 → 학습 → 평가 → 예측 과정을 진행해 보자. 목표는 다음으로 설정한다.
게임 시작 전 픽/밴/소환사 주문 정보를 보고 팀1이 이길지 예측하기
1. 라이브러리 불러오기
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn.model_selection import train_test_split
from sklearn.compose import ColumnTransformer
from sklearn.pipeline import Pipeline
from sklearn.impute import SimpleImputer
from sklearn.preprocessing import OneHotEncoder
from sklearn.linear_model import LogisticRegression
from sklearn.dummy import DummyClassifier
from sklearn.metrics import (
accuracy_score,
classification_report,
confusion_matrix,
ConfusionMatrixDisplay,
roc_auc_score
)
2. 데이터 불러오기 및 타깃 만들기
df = pd.read_csv("dataset/games.csv")
print(df.shape) # (51490, 61)
# winner 이진 변환
# winner가 1이면 팀1 승리 -> 1
# winner가 2이면 팀2 승리 -> 0
df["target"] = (df["winner"] == 1).astype(int)
3. 데이터 누수 변수 제거
이번 목표는 게임 시작 전 승패 예측이므로 경기 결과가 나온 뒤에 알 수 있는 정보는 사용하면 안 된다.
X = 특성(Feature): 모델이 예측에 사용하는 입력정보, 예측 및 판단의 근거/단서
y = 라벨(Label): 모델이 예측하려는 정답, 학습의 목푯값
5. Train / Test 데이터 분리
모델은 학습용 데이터(train data)로 학습하고, 한 번도 보지 못한 테스트 데이터(test data)로 성능을 평가해야 한다.
# Train / Test 데이터 분리
X_train, X_test, y_train, y_test = train_test_split(
X,
y,
test_size=0.2, # 전체 데이터의 20%를 테스트용으로 사용
random_state=42, # 실행할 때마다 같은 방식으로 데이터 분리
stratify=y # 팀1 승패 비율을 train과 test에 비슷하게 유지
)
print("훈련 데이터 X_train:", X_train.shape)
print("테스트 데이터 X_test:", X_test.shape)
print("\n훈련 타깃 비율:")
print(y_train.value_counts(normalize=True))
print("\n테스트 타깃 비율:")
print(y_test.value_counts(normalize=True))
'''
훈련 데이터 X_train: (41192, 41)
테스트 데이터 X_test: (10298, 41)
훈련 타깃 비율:
target
1 0.506458
0 0.493542
Name: proportion, dtype: float64
테스트 타깃 비율:
target
1 0.506409
0 0.493591
Name: proportion, dtype: float64
'''
6. Pipeline으로 전처리와 모델 연결하기
Pipeline은 결측치 처리 → 범주형 데이터 인코딩 → 모델 학습 과정을 하나로 묶는 도구다.
범주형 전처리기 만들기
One-Hot Encoding: 챔피언 ID와 같은 범주형 데이터를 머신러닝 모델이 이해할 수 있는 형태로 변환해야 한다.
