머신러닝 핵심 라이브러리

머신러닝 학습 코드를 구현하고 시각화할때 많이 사용하고 들어본 라이브러리들에는 무엇이 있나요?

Numpy, Pandas, Sklearn,Matplotlib, Seaborn에 대해 자주 들어보셨을 것입니다.

 

참고로, 딥러닝 분야에서는 Tensorflow, Pytorch, Keras를 많이 사용하며,
오늘은 머신러닝을 수행할 때 유용한 라이브러리를 정리하고자합니다. 

 

아래는 머신러닝에서 사용하는 라이브러리입니다.

러이브러리	설명
넘파이=Numpy	다차원 배열에 대한 빠른 처리를 지원하는 라이브러리 (판다스에 비해 사람 눈에는 다소 읽기 불편하지만 메모리가 덜 들고 계산도 더 빠르다)
판다스=Pandas	넘파이 기반으로 구현한 라이브러리. 인간 친화적인 자료구조를 제공해 데이터를 넘파이보다 쉽게 읽고 변형이 가능하다
사이킷런=Sklearn	데이터 분석과 머신러닝 관련 다양한 기능을 지원하는 강력한 라이브러리. 데이터 전처리, 모델링, 모델 평가 등 굉장히 광범위한 분야 지원
맷플롯립 = Matplotlib	시각화 라이브러리
시본 = Seaborn	맷플롯립 기반으로 구현한 라이브러리. 맷플롯립보다 사용이 쉽고 더 깔끔한 결과물을 보여줌
사이파이 = Scipy	수학, 통계, 신호처리, 이미지 처리, 함수 최적화에 사용되는 강력한 데이터 과학 라이브러리
테아노 = Theano	수학 표현식, 특히 행렬 값을 조작하고 평가하는 라이브러리

 

이 중 Theano는 학습 과정에서 저도 잘 사용해보지 않은 라이브러리입니다.

하지만, 직접 데이터가 계산되는 과정을 확인하고 싶을 때 유용할 거 같다는 생각이 드네요.

 

그러면 해당 라이브러리들을 직접 사용한 예시를 봐볼까요?

해당 포스팅에서는 정말 자주 사용하는 Seaborn, Pandas, Sklearn, Matplotlib 라이브러리들의 예시를 다룹니다.

 

- Seaborn

import seaborn as sns
penguins = sns.load_dataset("penguins")
sns.histplot(data=penguins, x="flipper_length_mm", hue="species", multiple="stack")

이와 같이 import하여 라이브러리를 불러오고, 히스토그램을 출력할 수 있습니다.
이외에도 Seaborn에서는 선형 그래프(lineplot), 산점도(scatterplot),히스토그램(hisplot), 박스 플롯(boxplot), 히트맵(hearmap), 막대 그래프(barplot) 등의 시각화 그래프를 제공합니다.

 

seaborn: statistical data visualization — seaborn 0.13.2 documentation

seaborn: statistical data visualization — seaborn 0.13.2 documentation

해당 링크에서 자세한 튜토리얼을 확인하실 수 있습니다.

 

-  Pandas

import pandas as pd
pd.DataFrame({'A': [1, 2, 3]})

 

User Guide — pandas 2.2.3 documentation

User Guide — pandas 2.2.3 documentation

해당 링크에서 자세한 튜토리얼을 확인하실 수 있습니다.

 

- Sklearn

from sklearn.model_selection import train_test_split

# 데이터 분할 (80% 훈련, 20% 테스트)
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

다음 코드는 머신러닝 개발자들이 sklearn에서 가장 많이 사용한 기능이지 않을까 싶습니다

훈련 데이터와 테스트 데이터를 나눠주는 과정에서 이처럼 Sklearn 라이브러리를 사용하면 쉽게 사용하실 수 있습니다.

 

scikit-learn: machine learning in Python — scikit-learn 1.6.1 documentation

scikit-learn: machine learning in Python — scikit-learn 1.6.1 documentation

해당 링크에서 제공하는 기능과 자세한 튜토리얼을 확인하실 수 있습니다.

 

- Matplotlib

import matplotlib.pyplot as plt

plt.plot([1, 2, 3, 4])
plt.ylabel('some numbers')
plt.show()

 

plt.plot()으로 그래프를 생성하고, plt.show() 로 그래프를 출력하는 것이 가장 기본적인 형태입니다.

이때 x,y축의 label, label 출력 위치, 그래프의 모양과 색깔 등 다양한 설정을 추가할 수 있습니다.

Tutorials — Matplotlib 3.10.1 documentation

Tutorials — Matplotlib 3.10.1 documentation

해당 링크에서 자세한 튜토리얼을 확인하실 수 있습니다.

 

 

머신러닝의 대표적인 라이브러리를 다뤄봤습니다.

유익한 시간이 되었길 바래요 :)