[ML] Pipeline

단순히 iris, wine 데이터를 받아서 사용했을 뿐인데도 코드 진행시에 어려움이 있다.

Jupyter Notebook상황에서 데이터의 전처리와 여러 알고리즘의 반복실행, 하이퍼 파라미터의 튜닝과정을 번갈아 하다보면 

코드 실행 순서에 혼돈이 있을 수 있다.

이런경우 클래스class로 만들어서 진행해도 되지만, sklearn에는 그럴 필요가 없게 준비된 기능이 있다. -> Pipeline

---

import pandas as pd

red_url = "https://raw.githubusercontent.com/PinkWink/ML_tutorial/master/dataset/winequality-red.csv"
white_url = "https://raw.githubusercontent.com/PinkWink/ML_tutorial/master/dataset/winequality-white.csv"

red_wine = pd.read_csv(red_url, sep=';')
white_wine = pd.read_csv(white_url, sep=';')

red_wine['color'] = 1.
white_wine['color'] = 0.
wine = pd.concat([red_wine, white_wine])

X = wine.drop(['color'], axis=1) 
y = wine['color']

기존에 사용했던 wine 데이터를 불러온다.

pipeline을 import 해주고, standardScaler와 DecisionTree를 변수에 넣어준 뒤

이 변수를 Pipeline에 할당하면 원하는 프로세스가 한번에 처리된다.

 

.steps를 사용해 해당 pipeline이 어떤 프로세스를 갖고 있는지 확인 가능하다.

 

현재까지는 instantiation만 된거고, 이제 parameter를 지정해야한다.

(max_depth나 random_state 등)

standardScaler에는 decision할 파라미터는 없지만 DecisionClassifier에는 있다.

set_params로 설정해준다. 스탭이름(clf) + __(언더바2개)+ 속성이름을 적어주면 바로 적용된다.

 

---

Pipeline을 이용한 분류기 구성

stratify는 y데이터에 분포를 맞춰달라는 의미이다.

pipe.fit으로 넣어주면 pipe에 할당해놓은 순서대로 알아서 StandardScaler을 통과 시키고 학습한다.