파이썬 라이브러리를 활용한 머신러닝(번역개정판): 사이킷런 핵심 개발자가 쓴 머신러닝과 데이터 과학 실무서

2

장

지도 학습

99

출을 잇는 것(여기서는 __

init

__

34

와

fit

)을

메서드 연결

method

chaining

이라고 합니다.

scikit

-

learn

에서는

fit

과

predict

를 한 줄에 쓰는 메서드 연결도 자주 사용합니다.

In [53]:

logreg = LogisticRegression()

y_pred = logreg.t(X_train, y_train).predict(X_test)

심지어 모델의 객체를 만들고, 훈련하고, 예측하는 일을 모두 한 줄에 쓸 수 있습니다.

In [54]:

y_pred = LogisticRegression().t(X_train, y_train).predict(X_test)

이렇게 짧게 쓰는 것은 그다지 바람직하진 않습니다. 한 줄에 너무 많은 메서드가 들어가면 코

드를 읽기 어려워집니다. 더군다나 학습된 로지스틱 회귀 모델은 변수에 할당되지 않아 (예측

결과를 담은 변수만 남습니다) 다른 데이터에 대해 예측하거나 만들어진 모델을 분석할 수 없

습니다.

2.3.4

나이브 베이즈 분류기

나이브 베이즈

naive

bayes

분류기는 앞 절의 선형 모델과 매우 유사합니다.

LogisticRegression

이나

LinearSVC

같은 선형 분류기보다 훈련 속도가 빠른 편이지만, 그 대신 일반화 성능이 조

금 뒤집니다.

나이브 베이즈 분류기가 ...