기본 콘텐츠로 건너뛰기

벡터와 행렬에 관련된 그림들

댓글 쓰기

목록변수를 순서형변수로 전환

내용

목록변수를 순서형변수로 전환

Vectorize

목록변수에 포함된 모든 text를 단어 수준에서 분리합니다. 즉, token화하여 벡터로 변환합니다. 예를 들어 자료의 한 열이 다음과 같이 텍스트로 구성된 경우 벡터화는 다음과 같이 이루어집니다.

His Last Bow
How Watson Learned the Trick
A Moveable Feast
The Grapes of Wrath

이 데이터의 포함된 모든 텍스트의 token 각각에 1을 할당하여 다음과 벡터화 할 수 있습니다.

text 'bow' 'feast''grapes''his''how''last' 'learned','moveable''of''the''trick''watson''wrath'
Vector 111111 111 1111

위 표를 기준으로 1행의 "His Last Bow"는 다음과 같이 벡터화할 수 있습니다.

text 'bow' 'feast''grapes''his''how''last' 'learned','moveable''of''the''trick''watson''wrath'
Vector100101 000 0000

위 과정은 sklearn.feature_extraction.text.CountVectorizer() 클래스에 의해 실행됩니다. 이 클래스에 적용할 수 있는 데이터는 1개의 열입니다. 즉, 벡터이어야 합니다.

sklearn.feature_extraction.text.CountVectorizer()
  • .fit(data): estimator 생성
  • data는 1차원 벡터입니다.
  • .transform(data): 변환된 결과 반환(.toarray()와 같이 자료형을 지정해 주어야 최종평가가 이루어집니다.)
  • 위의 두 메소드를 결합하여 .fit_transform(data)로 처리할 수 있습니다.
  • .get_feature_names_out(): 텍스트를 벡터화할 때 사용된 기준(token 또는 token들의 모임)을 반환
  • .inverse_transform(data): 변환된 결과를 기준에 부합하여 텍스트로 환원한 결과를 반환 
corpus
0 His Last Bow
1 How Watson Learned the Trick
2 A Moveable Feast
3 The Grapes of Wrath
Name: title, dtype: object
from sklearn.feature_extraction.text import CountVectorizer
vector=CountVectorizer()
corp=vector.fit_transform(corpus)
corp.toarray()
array([[1, 0, 0, 1, 0, 1, 0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 1, 0, 1, 0, 0, 1, 1, 1, 0],
       [0, 1, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0],
       [0, 0, 1, 0, 0, 0, 0, 0, 1, 1, 0, 0, 1]])

이 클래스의 메서드 get_feature_names_out()는 벡터화의 기준인 corpus를 반환합니다.

vector.get_feature_names_out()
array(['bow', 'feast', 'grapes', 'his', 'how', 'last', 'learned',
       'moveable', 'of', 'the', 'trick', 'watson', 'wrath'], dtype=object)
vector.inverse_transform(corp)
[array(['his', 'last', 'bow'], dtype='<U8'),
 array(['how', 'watson', 'learned', 'the', 'trick'], dtype='<U8'),
 array(['moveable', 'feast'], dtype='<U8'),
   array(['the', 'grapes', 'of', 'wrath'], dtype='<U8')]

CountVectorize()의 매개변수인 analyer, ngran_range(최소, 최대)에서 각각 인수값 'word'와 최소와 최대를 지정하여 텍스트를 분리하는 기준을 설정할 수 있습니다. 예를 들어 를 전달하고 analyer='word', ngran_range(3, 4)를 클래스에 전달하는 경우 위 단어들 중 3개가 결합한 텍스트와 4개가 결합한 텍스트에 대해 벡터화를 실시합니다.,/p> 

vector2=CountVectorizer(analyzer="word", ngram_range=(3,4))
corp2=vector2.fit_transform(corpus)
corp2.toarray()
array([[0, 1, 0, 0, 0, 0, 0, 0, 0],
       [0, 0, 1, 1, 1, 0, 0, 1, 1],
       [0, 0, 0, 0, 0, 0, 0, 0, 0],
       [1, 0, 0, 0, 0, 1, 1, 0, 0]])
vector2.get_feature_names_out()
array(['grapes of wrath', 'his last bow', 'how watson learned',
       'how watson learned the', 'learned the trick', 'the grapes of',
       'the grapes of wrath', 'watson learned the',
       'watson learned the trick'], dtype=object)

OneHot encoding

위의 벡터화는 텍스트에 대한 지정된 분류 기준에 따라 벡터화를 진행하는 데 반해 원핫인코딩은 그 변수의 각 클래스 단위로 분류됩니다.예를 들어 다음 데이터의 경우 

trg
city title
0London His Last Bow
1London How Watson Learned the Trick
2Paris A Moveable Feast
3Sallisaw The Grapes of Wrath

위 데이터의 2열의 클래스는 4개입니다.

trg['title'].values
array(['His Last Bow', 'How Watson Learned the Trick', 'A Moveable Feast',
       'The Grapes of Wrath'], dtype=object)

클래스를 올림차순으로 정렬하여 0과 1로 벡터화합니다.

class'A Moveable Feast''His Last Bow''How Watson Learned the Trick' 'The Grapes of Wrath'
vector 1 1 1 1

이 기준으로 클래스 'His Last Bow'의 원핫인코딩의 결과는 [0, 1, 0, 0]이 됩니다. 이러한 과정은 sklearn의 다음 클래스를 적용하여 실행할 수 있습니다.

sklearn.preprocessing.OneHotEncoder()
  • 전달하는 인수는 2차원 이상의 배열 구조 이어야 합니다.
  • .fit(data): estimator 생성
  • .transform(data): 변환(.toarray()와 같이 자료형을 지정해 주어야 최종평가가 이루어집니다.)
  • 위의 두 메소드를 결합하여 .fit_transform(data)로 처리할 수 있습니다.
  • .inverse_transforme(변환된 data): 원시데이터로 환원된 결과를 반환합니다.
  • .categories_ : data의 클래스(목록)를 반환하는 속성
from sklearn.preprocessing import OneHotEncoder
onehot=OneHotEncoder().fit(trg)
var=onehot.transform(trg)
var.toarray()
array([[1., 0., 0., 0., 1., 0., 0.],
       [1., 0., 0., 0., 0., 1., 0.],
       [0., 1., 0., 1., 0., 0., 0.],
       [0., 0., 1., 0., 0., 0., 1.]])
onehot.categories_
[array(['London', 'Paris', 'Sallisaw'], dtype=object),
 array(['A Moveable Feast', 'His Last Bow', 'How Watson Learned the Trick',
        'The Grapes of Wrath'], dtype=object)]
onehot.inverse_transform(var)
array([['London', 'His Last Bow'],
       ['London', 'How Watson Learned the Trick'],
       ['Paris', 'A Moveable Feast'],
       ['Sallisaw', 'The Grapes of Wrath']], dtype=object)

ColumnTransfer

다음 데이터는 명목변수와 이산형 변수가 혼재되어 있는 경우입니다. 명목변수를 이산형변수로 전환할 필요가 있으며 변수 'city'와 'title'에 다른 변환을 적용하려 합니다. 이러한 경우 sklearn.compose.ColumnTransfer() 클래스를 통해 여러 특징(feature) 추출 또는 변환 메커지즘을 단일한 변환기로 결합할 수 있습니다.

class sklearn.compose.ColumnTransformer(transformers, *, remainder='drop', …, verbose_feature_names_out=True)
  • transfomer: 변환기전과 대상 데이터를 지정하는 것으로 '(name, transformer, columns)' 형식으로 전달
    • name:문자열로서 변환된 열의 이름을 이 클래스내에서 규정, set_params를 사용하여 설정할 수 있슴.
    • transformer: estimator로서 변환에 사용할 추정기를 지정, 'drop'은 해당 열을 삭제, 'passthrough'는 해당 열을 변환 없이 전달
    • columns: 문자열, 배열, DataFrame, slice 등 형식의 데이터
  • remainder: transformer에서 지정되지 않은 나머지 열에 적용방법을 지정
    • drop: 나머지 열은 결과에서 삭제(기본)
    • passthrough: 나머지 열은 변환되지 않은 상태로 결과에 출력
    • estimator: 나머지 열은 지정된 추정기(estimator)에 의해 변환
  • verbose_feature_names_out: 메서드 get_feature_names_out()에서 지정한 name의 출력여부
    • True: 모든 열이름의 출력은 '지정한 name_raw column name'의 형식
    • False: 일부 열이름 출력에 지정한 name이 생략
 X = pd.DataFrame({'city': ['London', 'London', 'Paris', 'Sallisaw'],
                   'title': ["His Last Bow", "How Watson Learned the Trick","A Moveable Feast", "The Grapes of Wrath"],
                   'expert_rating': [5, 3, 4, 5],
                   'user_rating': [4, 5, 4, 3]})
X
city title expert_rating user_rating
0 London His Last Bow 5 4
1 London How Watson Learned the Trick 3 5
2 Paris A Moveable Feast 4 4
3 Sallisaw The Grapes of Wrath 5 3
from sklearn.compose import ColumnTransformer
Coltran=ColumnTransformer([('catego', OneHotEncoder(dtype=int), ['city']),
                          ('title', CountVectorizer(), 'title')], remainder='drop', verbose_feature_names_out=False)
Coltran.fit(X)
ColumnTransformer(transformers=[('catego', OneHotEncoder(dtype=<class 'int'>),
                                 ['city']),
                                ('title', CountVectorizer(), 'title')],
                  verbose_feature_names_out=False)

위에서 OneHotEncoder와 CountVectorizer에 전달하는 인수의 형식이 다른 것은 각각 전달하는 인수는 2차원과 1차원으로 다르기 때문입니다. 그러므로 'city'의 경우 리스트 형식으로 전달해야 합니다.

 Coltran.get_feature_names_out()
array(['city_London', 'city_Paris', 'city_Sallisaw', 'bow', 'feast',
       'grapes', 'his', 'how', 'last', 'learned', 'moveable', 'of', 'the',
       'trick', 'watson', 'wrath'], dtype=object)
Coltran.transform(X).toarray()
array([[1, 0, 0, 1, 0, 0, 1, 0, 1, 0, 0, 0, 0, 0, 0, 0],
       [1, 0, 0, 0, 0, 0, 0, 1, 0, 1, 0, 0, 1, 1, 1, 0],
       [0, 1, 0, 0, 1, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0],
       [0, 0, 1, 0, 0, 1, 0, 0, 0, 0, 0, 1, 1, 0, 0, 1]])

transformer에 지정하는 열은 여러 항목의 목록, 정수 배열, 슬라이스, boolean mask(논리 연산자에 의한 추출 등) 또는 make_column_selector를 사용하여 지정할 수 있습니다. make_column_selector는 데이터 유형 또는 열 이름을 기반으로 열을 선택하는 데 사용됩니다.

sklearn.compose.make_column_selector(pattern=None, *, dtype_include=None, dtype_exclude=None)
  • datatype 또는 정규식으로 표현되는 열이름을 기반으로 열을 선택
  • pattern: 정규식에 의한 패턴에 따라 열을 선택
  • dtype_include: 열의 자료형 dtype에 따라 선택
  • dtype_exclude: 선택 기준에서 dtype은 배제

열(column)을 선택하기 위한 make_column_selector() 클래스는 DataFrame.select_dtypes(include=None) 메서드로 대신할 수 있습니다. 이 메서드는 객체 중에 선택되는 열만을 추출하여 반환합니다. 그러므로 ColumnTransformer()에 인수로 전달하기 위해서는 이 결과의 열이름(columns)을 전달합니다.

다음 코드 Coltrans2에서 make_column_selector(dtype_include=np.number)는 X.select_dtypes(include=np.number).columns으로 대치할 수 있습니다.

 from sklearn.compose import make_column_selector
from sklearn.preprocessing import StandardScaler
Coltrans2=ColumnTransformer([('scale', StandardScaler(), make_column_selector(dtype_include=np.number)),
                             ('onehot', OneHotEncoder(dtype=int), ['city']), 
                            ('vector', CountVectorizer(), 'title')])
Coltrans2.fit(X)
re=Coltrans2.transform(X)
re
array([[ 0.90453403,  0.        ,  1.        ,  0.        ,  0.        ,
         1.        ,  0.        ,  0.        ,  1.        ,  0.        ,
         1.        ,  0.        ,  0.        ,  0.        ,  0.        ,
         0.        ,  0.        ,  0.        ],
       ⋮,
       [ 0.90453403, -1.41421356,  0.        ,  0.        ,  1.        ,
         0.        ,  0.        ,  1.        ,  0.        ,  0.        ,
         0.        ,  0.        ,  0.        ,  1.        ,  1.        ,
         0.        ,  0.        ,  1.        ]])

make_column_transformer()함수는 클래스 ColumnTransformer()을 대신할 수 있습니다. 이 함수는 변환 대상을 위한 이름들은 자동으로 지정됩니다.

from sklearn.compose import make_column_transformer
Coltrans3=make_column_transformer((OneHotEncoder(), ['city']),(CountVectorizer(), 'title'), 
                                  (StandardScaler(), make_column_selector(dtype_include=np.number)))
Coltrans3.fit_transform(X)
array([[ 1.        ,  0.        ,  0.        ,  1.        ,  0.        ,
         0.        ,  1.        ,  0.        ,  1.        ,  0.        ,
         0.        ,  0.        ,  0.        ,  0.        ,  0.        ,
         0.        ,  0.90453403,  0.        ],
       ⋮,
       [ 0.        ,  0.        ,  1.        ,  0.        ,  0.        ,
         1.        ,  0.        ,  0.        ,  0.        ,  0.        ,
         0.        ,  1.        ,  1.        ,  0.        ,  0.        ,
         1.        ,  0.90453403, -1.41421356]])
Coltrans4=make_column_transformer((OneHotEncoder(), ['city']),(CountVectorizer(), 'title'),
                                  remainder=StandardScaler())
Coltrans4.fit_transform(X)
array([[ 1.        ,  0.        ,  0.        ,  1.        ,  0.        ,
         0.        ,  1.        ,  0.        ,  1.        ,  0.        ,
         0.        ,  0.        ,  0.        ,  0.        ,  0.        ,
         0.        ,  0.90453403,  0.        ],
      ⋮,
       [ 0.        ,  0.        ,  1.        ,  0.        ,  0.        ,
         1.        ,  0.        ,  0.        ,  0.        ,  0.        ,
         0.        ,  1.        ,  1.        ,  0.        ,  0.        ,
         1.        ,  0.90453403, -1.41421356]])
Labels:

댓글

댓글 쓰기

이 블로그의 인기 게시물

[Linear Algebra] 유사변환(Similarity transformation)

유사변환(Similarity transformation) n×n 차원의 정방 행렬 A, B 그리고 가역 행렬 P 사이에 식 1의 관계가 성립하면 행렬 A와 B는 유사행렬(similarity matrix)이 되며 행렬 A를 가역행렬 P와 B로 분해하는 것을 유사 변환(similarity transformation) 이라고 합니다. $$\tag{1} A = PBP^{-1} \Leftrightarrow P^{-1}AP = B $$ 식 2는 식 1의 양변에 B의 고유값을 고려한 것입니다. \begin{align}\tag{식 2} B - \lambda I &= P^{-1}AP – \lambda P^{-1}P\\ &= P^{-1}(AP – \lambda P)\\ &= P^{-1}(A - \lambda I)P \end{align} 식 2의 행렬식은 식 3과 같이 정리됩니다. \begin{align} &\begin{aligned}\textsf{det}(B - \lambda I ) & = \textsf{det}(P^{-1}(AP – \lambda P))\\ &= \textsf{det}(P^{-1}) \textsf{det}((A – \lambda I)) \textsf{det}(P)\\ &= \textsf{det}(P^{-1}) \textsf{det}(P) \textsf{det}((A – \lambda I))\\ &= \textsf{det}(A – \lambda I)\end{aligned}\\ &\begin{aligned}\because \; \textsf{det}(P^{-1}) \textsf{det}(P) &= \textsf{det}(P^{-1}P)\\ &= \textsf{det}(I)\end{aligned}\end{align} 유사행렬의 특성 유사행렬인 두 정방행렬 A와 B는 'A ~ B' 와 같...
댓글 쓰기
Read more »

[sympy] Sympy객체의 표현을 위한 함수들

Sympy객체의 표현을 위한 함수들 General simplify(x): 식 x(sympy 객체)를 간단히 정리 합니다. import numpy as np from sympy import * x=symbols("x") a=sin(x)**2+cos(x)**2 a $\sin^{2}{\left(x \right)} + \cos^{2}{\left(x \right)}$ simplify(a) 1 simplify(b) $\frac{x^{3} + x^{2} - x - 1}{x^{2} + 2 x + 1}$ simplify(b) x - 1 c=gamma(x)/gamma(x-2) c $\frac{\Gamma\left(x\right)}{\Gamma\left(x - 2\right)}$ simplify(c) $\displaystyle \left(x - 2\right) \left(x - 1\right)$ 위의 예들 중 객체 c의 감마함수(gamma(x))는 확률분포 등 여러 부분에서 사용되는 표현식으로 다음과 같이 정의 됩니다. 감마함수는 음이 아닌 정수를 제외한 모든 수에서 정의됩니다. 식 1과 같이 자연수에서 감마함수는 factorial(!), 부동소수(양의 실수)인 경우 적분을 적용하여 계산합니다. $$\tag{식 1}\Gamma(n) =\begin{cases}(n-1)!& n:\text{자연수}\\\int^\infty_0x^{n-1}e^{-x}\,dx& n:\text{부동소수}\end{cases}$$ x=symbols('x') gamma(x).subs(x,4) $\displaystyle 6$ factorial 계산은 math.factorial() 함수를 사용할 수 있습니다. import math math.factorial(3) 6 a=gamma(x).subs(x,4.5) a.evalf(3) 11.6 simpilfy() 함수의 알고리즘은 식에서 공통사항을 찾아 정리하...
댓글 쓰기
Read more »

sympy.solvers로 방정식해 구하기

sympy.solvers로 방정식해 구하기 대수 방정식을 해를 계산하기 위해 다음 함수를 사용합니다. sympy.solvers.solve(f, *symbols, **flags) f=0, 즉 동차방정식에 대해 지정한 변수의 해를 계산 f : 식 또는 함수 symbols: 식의 해를 계산하기 위한 변수, 변수가 하나인 경우는 생략가능(자동으로 인식) flags: 계산 또는 결과의 방식을 지정하기 위한 인수들 dict=True: {x:3, y:1}같이 사전형식, 기본값 = False set=True :{(x,3),(y,1)}같이 집합형식, 기본값 = False ratioal=True : 실수를 유리수로 반환, 기본값 = False positive=True: 해들 중에 양수만을 반환, 기본값 = False 예 $x^2=1$의 해를 결정합니다. solve() 함수에 적용하기 위해서는 다음과 같이 식의 한쪽이 0이 되는 형태인 동차식으로 구성되어야 합니다. $$x^2-1=0$$ import numpy as np from sympy import * x = symbols('x') solve(x**2-1, x) [-1, 1] 위 식은 계산 과정은 다음과 같습니다. $$\begin{aligned}x^2-1=0 \rightarrow (x+1)(x-1)=0 \\ x=1 \; \text{or}\; -1\end{aligned}$$ 예 $x^4=1$의 해를 결정합니다. solve() 함수의 인수 set=True를 지정하였으므로 결과는 집합(set)형으로 반환됩니다. eq=x**4-1 solve(eq, set=True) ([x], {(-1,), (-I,), (1,), (I,)}) 위의 경우 I는 복소수입니다.즉 위 결과의 과정은 다음과 같습니다. $$x^4-1=(x^2+1)(x+1)(x-1)=0 \rightarrow x=\pm \sqrt{-1}, \; \pm 1=\pm i,\; \pm1$$ 실수...
댓글 쓰기
Read more »