파이썬으로 머신 러닝 모델 구축하기: LML 라이브러리 활용법

LML(Lightweight Machine Learning)은 파이썬으로 작성된 경량 머신 러닝 라이브러리로, 간단한 사용법과 빠른 실행이 특징입니다. 이 라이브러리를 사용하면 간단한 머신 러닝 모델을 손쉽게 구축할 수 있습니다. 이제 몇 가지 예제를 통해 LML 라이브러리의 활용법을 알아보겠습니다.

예제 1: 선형 회귀 모델 구축

from lml.linear_model import LinearRegression
from lml.datasets import make_regression
from lml.model_selection import train_test_split
from lml.metrics import mean_squared_error

# 데이터셋 생성
X, y = make_regression(n_samples=100, n_features=1, noise=0.1, random_state=42)

# 데이터셋 분할
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 선형 회귀 모델 학습
model = LinearRegression()
model.fit(X_train, y_train)

# 모델 평가
y_pred = model.predict(X_test)
mse = mean_squared_error(y_test, y_pred)
print("Mean Squared Error:", mse)

이 예제에서는 LML을 사용하여 선형 회귀 모델을 구축하는 방법을 보여줍니다. make_regression 함수를 사용하여 데이터셋을 생성하고, LinearRegression 모델을 학습하고 평가합니다.

예제 2: 로지스틱 회귀 모델 구축

from lml.linear_model import LogisticRegression
from lml.datasets import make_classification
from lml.model_selection import train_test_split
from lml.metrics import accuracy_score

# 데이터셋 생성
X, y = make_classification(n_samples=100, n_features=2, n_classes=2, random_state=42)

# 데이터셋 분할
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 로지스틱 회귀 모델 학습
model = LogisticRegression()
model.fit(X_train, y_train)

# 모델 평가
y_pred = model.predict(X_test)
accuracy = accuracy_score(y_test, y_pred)
print("Accuracy:", accuracy)

이 예제에서는 LML을 사용하여 로지스틱 회귀 모델을 구축하는 방법을 보여줍니다. make_classification 함수를 사용하여 분류 데이터셋을 생성하고, LogisticRegression 모델을 학습하고 평가합니다.

예제 3: 결정 트리 모델 구축

from lml.tree import DecisionTreeClassifier
from lml.datasets import make_classification
from lml.model_selection import train_test_split
from lml.metrics import accuracy_score

# 데이터셋 생성
X, y = make_classification(n_samples=100, n_features=2, n_classes=2, random_state=42)

# 데이터셋 분할
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 결정 트리 모델 학습
model = DecisionTreeClassifier()
model.fit(X_train, y_train)

# 모델 평가
y_pred = model.predict(X_test)
accuracy = accuracy_score(y_test, y_pred)
print("Accuracy:", accuracy)

이 예제에서는 LML을 사용하여 결정 트리 모델을 구축하는 방법을 보여줍니다. make_classification 함수를 사용하여 분류 데이터셋을 생성하고, DecisionTreeClassifier 모델을 학습하고 평가합니다.