17강. 머신러닝의 기본 구조: 특성, 레이블, 학습, 예측

?1. 이번 강의에서 해결할 문제

모델을 함수 호출로만 외우면 어떤 정보로 무엇을 예측하는지, 성능이 의미 있는지 판단하기 어렵습니다. 문제 정의와 기준선부터 세워야 합니다.

✓2. 학습 목표

✓이 강의를 마치면

• 특성, 레이블, 샘플을 구분합니다.
• fit과 predict의 입력·출력을 설명합니다.
• 가장 흔한 클래스를 예측하는 기준 모델을 만듭니다.

◇3. 핵심 개념

지도학습에서 행은 샘플, 예측에 사용할 열은 특성 X, 맞힐 결과는 레이블 y입니다. fit은 학습 데이터에서 모델 파라미터를 정하고 predict는 새 X에 결과를 냅니다. 복잡한 모델 전에 DummyClassifier로 단순 기준선을 측정해야 개선 여부를 말할 수 있습니다.

✎4. 단계별 실습

1. 예제 파일 작성

실행 환경: 코드 편집기

실행 위치: C:\dev\game-data-lab

실행 전 확인: 기존 파일이 있으면 내용을 덮어쓰지 말고 Git diff로 이번 강의 변경 범위를 확인합니다. 실제 개인정보·API Key·토큰은 사용하지 않습니다.

대상 파일: src/ml_baseline.py

src/ml_baseline.py

import pandas as pd
from sklearn.dummy import DummyClassifier

df = pd.read_csv("data/processed/analysis_sessions.csv")
X = df[["play_minutes", "score"]]
y = df["win"].astype(int)
model = DummyClassifier(strategy="most_frequent")
model.fit(X, y)
predictions = model.predict(X)

print("X shape:", X.shape)
print("y counts:", y.value_counts(), sep="\n")
print("baseline predictions:", predictions.tolist())
print("주의: 같은 데이터 평가 결과는 일반화 성능이 아닙니다.")

2. 실행과 결과 확인

실행 환경: Windows PowerShell

실행 위치: C:\dev\game-data-lab

실행 전 확인: Python 코드는 프로젝트의 .venv 인터프리터를 사용하고 입력 파일 경로가 존재하는지 확인합니다.

대상: src/ml_baseline.py과 이 강의가 만드는 출력

Windows PowerShell

Set-Location C:\dev\game-data-lab
.\.venv\Scripts\python.exe .\src\ml_baseline.py

예상 결과: 특성 행렬 크기, 레이블 분포와 가장 흔한 클래스만 예측하는 기준 결과가 출력됩니다.

→5. 분석 또는 모델이 동작하는 이유

DummyClassifier는 특성 패턴을 학습하지 않고 지정 전략으로 예측합니다. 따라서 실제 모델이 이 기준보다 나은지 비교할 출발점을 제공하지만 같은 데이터로 평가해서는 안 됩니다.

!6. 자주 하는 실수와 해결법

!자주 하는 실수

• 실수: 레이블을 특성에 포함하기 해결: 예측 시점에 알 수 없는 결과 열을 제외합니다.
• 실수: 정확도 숫자만 보고 모델을 선택하기 해결: 기준선·오류 비용·분할을 함께 봅니다.
• 실수: fit한 데이터로 성능을 확정하기 해결: 보지 않은 테스트 데이터로 평가합니다.

✎7. 직접 실습

✎직접 실습

1. 승패 예측 시 사용할 수 있는 특성과 사용할 수 없는 미래 정보를 구분합니다.
2. 항상 패배를 예측하는 기준선의 의미를 적습니다.
3. X의 행 수와 y 길이가 같은지 검사합니다.

실습 기록에는 입력 파일, 실행 명령, 행 수, 처리 규칙과 실제 결과를 남깁니다. 평균 하나를 전체 결론으로 확대하지 않고, 상관관계를 인과관계로 표현하지 않으며, 평가 데이터 정보를 학습에 사용하지 않았는지 확인합니다.

?8. 이해 점검 질문 3개

?이해 점검

1. 특성과 레이블은 무엇인가요?
2. fit과 predict는 각각 무엇을 하나요?
3. DummyClassifier 기준선이 필요한 이유는 무엇인가요?

■9. 핵심 요약

■핵심 요약

머신러닝은 X에서 y를 예측하는 제한된 문제입니다. 예측 시점의 정보만 사용하고 단순 기준선과 보지 않은 데이터 평가를 준비합니다.