[RandomForest] Python, 랜덤포레스트 모델 튜닝

목차

• 1. 라이브러리
• 2. 데이터
• 3. null값처리
• 4. Encoding
• 5. 데이터분할
• 7. 모델 튜닝
  • 1) 하이퍼파라미터
  • 2) 데이터 인덱스 분할
  • 3) 랜덤포레스트 모델 만들기
  • 4) GridSearch 모델로 하이퍼파라미터튜닝 
  • 5) 학습
  • 6) 최적의 파라미터
  • 7) 모델 설계 및 학습
  • 8) 평가
  • 9) 모델 평가

1. 라이브러리

import numpy as np
import pandas as pd

import pickle as pkl
 
from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import train_test_split, PredefinedSplit, GridSearchCV
from sklearn.metrics import f1_score, precision_score, recall_score, accuracy_score

 

 

2. 데이터

 

 

3. null값처리

air_data_subset = air_data.dropna(axis=0)

 

 

4. Encoding

air_data_subset_dummies = pd.get_dummies(air_data_subset, 
                                         columns=['Customer Type','Type of Travel','Class'])

 

 

5. 데이터분할

# X, y값 정하기
y = air_data_subset_dummies["satisfaction"]
X = air_data_subset_dummies.drop("satisfaction", axis=1)

# 데이터분할
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.25, random_state = 0)
X_tr, X_val, y_tr, y_val = train_test_split(X_train, y_train, test_size = 0.25, random_state = 0)

 

 

7. 모델 튜닝

 

1) 하이퍼파라미터

cv_params = {'n_estimators' : [50,100], 
              'max_depth' : [10,50],        
              'min_samples_leaf' : [0.5,1], 
              'min_samples_split' : [0.001, 0.01],
              'max_features' : ["sqrt"], 
              'max_samples' : [.5,.9]}

 

2) 데이터 인덱스 분할

split_index: X_trian 데이터에서, X_tr과 X_val 셋을 구분하여 인덱스를 생성한다. 

custom_split: split index를 PredefinedSplit에 넣는다. PredefinedSplit는 사이킷런에서 제공하는 분할전략이다. 이를 사용하면 머신러닝모델을 교차검증할 때 직접 분할 인덱스를 정할 수 있다. 즉, 훈련세트와 검증세트의 분할을 미리 정의하고, 이를 활용하여 교차 검증을 수행할 수 있다.  

split_index = [0 if x in X_val.index else -1 for x in X_train.index]
custom_split = PredefinedSplit(split_index)

 

3) 랜덤포레스트 모델 만들기

rf= RandomForestClassifier(random_state=0)

 

 

4) GridSearch 모델로 하이퍼파라미터튜닝 

GridSearchCV로 랜덤포레스트 모델의 하이퍼파라미터 튜닝을 수행하는 코드이다.

cv: 교차검증전략 

refit: 최적의 하이퍼파라미터 조합을 찾은 후 해당 조합으로 모델을 다시 학습시켜 사용할 평가 지표. 

n_jobs: 사용할 CPU 코어 개수, -1은 가능한 모든 코어 이용하겠다.

verbose: 진행 상황 출력할지 여부, 1은 자세히 하겠다.

rf_val = GridSearchCV(rf, cv_params, cv=custom_split, refit='f1', n_jobs = -1, verbose = 1)

 

5) 학습

rf_val.fit(X_train, y_train)

 

 

6) 최적의 파라미터

rf_val.best_params_

{'max_depth': 50,
 'max_features': 'sqrt',
 'max_samples': 0.9,
 'min_samples_leaf': 1,
 'min_samples_split': 0.001,
 'n_estimators': 50}

 

 

7) 모델 설계 및 학습

rf_opt = RandomForestClassifier(n_estimators = 50, max_depth = 50, 
                                min_samples_leaf = 1, min_samples_split = 0.001,
                                max_features="sqrt", max_samples = 0.9, random_state = 0)
                                
rf_opt.fit(X_train, y_train)

 

 

8) 평가

# 예측값
y_pred = rf_opt.predict(X_test)

# score
pc_test = precision_score(y_test, y_pred, pos_label = "satisfied")
ac_test = accuracy_score(y_test, y_pred)
ac_test = accuracy_score(y_test, y_pred)
f1_test = f1_score(y_test, y_pred, pos_label = "satisfied")


print("\nThe precision score is: {pc:.3f}".format(pc = pc_test), "for the test set,", "\nwhich means of all positive predictions,", "{pc_pct:.1f}% prediction are true positive.".format(pc_pct = pc_test * 100))

The precision score is: 0.950 for the test set, 
which means of all positive predictions, 95.0% prediction are true positive.

 

 

9) 모델 평가

# Create table of results.

### YOUR CODE HERE ###

table = pd.DataFrame()
table = table.append({'Model': "Tuned Decision Tree",
                        'F1':  0.945422,
                        'Recall': 0.935863,
                        'Precision': 0.955197,
                        'Accuracy': 0.940864
                      },
                        ignore_index=True
                    )

table = table.append({'Model': "Tuned Random Forest",
                        'F1':  f1_test,
                        'Recall': rc_test,
                        'Precision': pc_test,
                        'Accuracy': ac_test
                      },
                        ignore_index=True
                    )
table

 

 

랜덤포레스트모델평가