[TIL] python 모델링 : RandomForestRegressor 모델 사용

이번 글에서 설명할 내용은 다음과 같다. 

1. 랜덤포레스트 개념 

2. 랜덤포레스트 선언

3. RFR 모델 사용 코드 - x,y변수 설정 코드 

4. 보너스) 평가 척도 mse 란? - 머신러닝 회귀모델 성능 평가 지표 

 

첫번재로 랜덤 포레스트란 map 머신 러닝 알고리즘이다. 정확성, 단순성 및 유연성으로 가장 많이 사용되는 알고리즘 중 하나이며, 분류 및 회귀 작업에 사용할 수 있다. 

여러 개의 의사결정나무(Decision Tree)를 만들어서 이 결정 트리들의 평균으로 예측의 성능을 높이는 방법이고 이러한 기법을 앙상블(Ensemble) 기법이라 한다. (주어진 하나의 데이터로부터 여러 개의 랜덤 데이터 set을 추출해 각 데이터set을 통해 여러 개 만들 수 있어서 많은 양의 표본집답이 생기니 예측 성능을 높일 수 있다.)

 -출처 : DACON 파이썬 튜토리얼 

 

두번째로 모델 선언 코드는 아래와 같다. 

from sklearn.ensemble import RandomForestRegressor

model = RandomForestRegressor()

먼저 sklearn.ensemble부터 해당 RFR모델을 import해야 한다. 

그 후, model변수로 선언한다. 

 

ps. 마찬가지로 랜덤 포레스트에 대한 더 자세한 내용은 아래 링크에 나와 있다. 

https://github.com/pyohamen/Im-Being-Data-Scientist/wiki/What-is-RandomForest%3F 

What is RandomForest?

 

세번째로 위에서 model 변수 선언을 했다면, 이 모델은 어떻게 이용해 먹을 수 있을까 생각해보자. 

먼저 모델에 들어갈 x변수와 y변수를 생각한다. 

x변수는 데이터 예측시 사용할 변수이고, y 변수는 예측 결과 변수가 된다. 

보통 예측 결과로 나올 y변수에 해당하는 column을 x변수 범위에서 제거한다. 

즉, 코드로 나타내면 다음과 같다. 

x_df = df.drop(['df에서 제외할 column name'], axis = 1) 

y_df = df['df에서 인덱싱 할 column name'] 

빨간 표시로 되어있는 부분은 동일한 column을 지칭한다고 생각하면 된다.

사실 따지고 보면 df(데이터 객체) 자체에서 제외하고 인덱싱할 것은 아니다. 우리는 이미 새로운 변수 x_df와 y_df에 할당하는 것이기 때문에 df는 df대로 여전히 변함없이 존재한다.

그러나 이해를 돕기 위해 df에서 내가 모델링에서 제외할 column, df에서 내가 인덱싱할 column이라고 이해하기 위해 위와 같이 작성하였다. 

x_df와 y_df라고 이름 지은 이유는 보통 모델링하고자 하는 객체를 각 변수x,y뒤에 붙여서 알기 쉽게 이름 짓기 때문이다. 

이렇게 모델링 과정에서 x와 y의 변수에 대해 설정했다면 모델링 평가 지표에 대해 알아본다. 

 

보너스, 모델링 평가 지표 

내가 참고하고 있는 DACON 파이썬 튜토리얼에서는 평가지표로 RMSE를 보여준다. 

RMSE는 MSE 평가지표에 루트를 씌운 것으로 RFR 모델을 선언할 때 criterion = 'mse'옵션으로 구현할 수 있다. 

model = RandomForestRegressor(criterion = 'mse')

출처 : https://dacon.io/competitions/open/235698/talkboard/403636?page=1&dtype=recent

 

지금까지 정리한 내용을 코드로 정리하면 다음과 같다. 

0. 라이브러리 불러오기

1. 데이터 불러오기

2. 데이터 결측치 선형 비례 보간법 사용 -편의상 데이터 train에 대해서만 진행

3. 모델링 작업 x, y변수 설정

 

ps. 머신러닝 평가지표에 대한 보너스 내용은 길어져서 다음 글 확인!