스터디

새로 알게 된 점:

1. import matplotlib.pyplot as plt

• 목적: 데이터 시각화를 위한 라이브러리로, 그래프나 차트를 그릴 때 주로 사용.

2. from sklearn.tree import DecisionTreeClassifier, export_text, plot_tree

• DecisionTreeClassifier: 분류 문제 해결 위한 의사결정 트리 모델을 만들 때 사용. *의사결정 트리: 데이터를 특정 특성값에 따라 분할하여 목표 변수를 예측하는 모델.

3. from sklearn.ensemble import RandomForestClassifier

• RandomForestClassifier: 여러 개의 결정 트리를 결합하여 예측 수행하는 앙상블 학습 방법. 개별 트리들이 예측한 값을 종합하여 더 정확한 예측 보여줌.

4. from sklearn.model_selection import train_test_split, KFold

• train_test_split: 학습용 데이터와 테스트용 데이터로 나누는 함수. 일반적으로 데이터를 학습에 사용하고, 테스트 데이터를 모델 성능을 평가하는 데 사용.

• KFold: K-겹 교차 검증. 데이터를 K개의 부분으로 나누어 모델을 평가하는 방법으로, 모델이 얼마나 일반화되는지 확인.

5. from sklearn.metrics import confusion_matrix, ConfusionMatrixDisplay, accuracy_score

• confusion_matrix: 혼동 행렬(confusion matrix)을 계산하는 함수. 분류 문제에서 모델의 예측 성능을 평가할 때, 실제 값과 예측 값이 어떻게 일치하는지 나타내는 행렬을 생성.

• ConfusionMatrixDisplay: 혼동 행렬을 시각적으로 표시하는 클래스. 그래픽 형태로 쉽게 볼 수 있음.

• accuracy_score: 분류 모델의 정확도 계산. 정확도는 예측이 얼마나 정확한지의 비율을 나타냄.