기본 콘텐츠로 건너뛰기

pandas_ta를 적용한 통계적 인덱스 지표

의사결정트리(Dicisions Tree)

의사결정트리(Dicisions Tree)

의사 결정 트리는 이진 규칙 집합을 사용하여 대상 값을 계산하는 예측 모델이며 각 개별 트리는 분기, 노드 및 잎이 있는 상당히 단순한 모델입니다.

용어(terminlogy)

  • root node: 전체 모집단 또는 샘플을 나타내며 두 개 이상의 동종 세트로 더 나뉩니다.
  • splitting: 노드를 두 개 이상의 하위 노드로 나누는 프로세스입니다.
  • Decicion Node: 하위 노드가 추가 하위 노드로 분할되면 결정 노드라고 합니다.
  • Leaf/terminal node: 분할되지 않는 노드를 리프 또는 터미널 노드라고 합니다.
  • prunning(가지치기): 의사결정 노드의 하위 노드를 제거할 때 이 프로세스를 가지치기라고 합니다. 분열의 반대 과정이라고 할 수 있습니다.
  • Branch/Sub-tree(분기 / 하위 트리): 전체 트리의 하위 섹션을 분기 또는 하위 트리라고 합니다.
  • Parent and Child Node(상위 및 하위 노드): 하위 노드로 분할된 노드를 하위 노드의 상위 노드라고 하는 반면 하위 노드는 상위 노드의 하위 노드입니다.
그림 1. 의사결정트리

root node에서 질문에 의해 True/False로 구분합니다. 이 과정을 계속하면 결과적으로 leaf node에 도달하게 되며 단일예측이 가능하게 됩니다.

의사 결정 트리는 분류 및 회귀 문제에 사용할 수 있는 지도 머신 러닝 알고리즘 중 하나로서 모델은 훈련 데이터에서 추출한 결정 규칙을 기반으로 합니다. 회귀 문제에서 모델은 클래스 대신 값을 사용하고 평균 제곱 오차(MSE)는 결정 정확도를 위해 사용됩니다. 그러나 의사 결정 트리 모델은 일반화에 좋지 않고 훈련 데이터의 변화에 민감합니다. 훈련 데이터 세트의 작은 변화는 모델 예측 정확도에 영향을 미칠 수 있습니다.

Scikit-learn DecisionTreeRegressor 클래스를 적용할 수 있습니다. 예로서 무작위로 생성된 회귀 데이터와 Boston 주택 데이터 세트에 대한 모델을 적용합니다.

import numpy as np
import pandas as pd
from sklearn import tree 
from sklearn.datasets import load_boston
from sklearn.metrics import mean_squared_error
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
import matplotlib.pyplot as plt
boston=load_boston()
x, y=boston.data, boston.target
x
array([[6.3200e-03, 1.8000e+01, 2.3100e+00, ..., 1.5300e+01, 3.9690e+02,
            4.9800e+00],
             ...,
           [4.7410e-02, 0.0000e+00, 1.1930e+01, ..., 2.1000e+01, 3.9690e+02,
            7.8800e+00]])
y[:3]
array([24. , 21.6, 34.7])

자료의 표준화는 sklearn.StandardScaler() 클래스를 적용합니다.

xScaler=StandardScaler().fit(x)
x1=xScaler.transform(x)
xtr, xte, ytr, yte=train_test_split(x1, y, test_size=0.1)
xtr.shape, ytr.shape
((455, 13), (455,))

훈련 데이터 셋트로부터 결정트리 모델을 구축합니다. 이 모델에 대한 검정 셋트를 적용하여 결정계수(score)를 확인합니다.

dT=tree.DecisionTreeRegressor(random_state=0)
dT.fit(xtr, ytr)
dT.score(xte, yte)
0.8100460637322556

검정 셋트 일부의 추정치와 실측치를 확인해봅니다.

dT.predict(xte)[:3], yte[:3]
(array([20.2, 23.1, 20.7]), array([20.5, 23.8, 22.2]))

검정 데이터에 대한 mse와 rmse(root mse)를 산출해 봅니다. 이 계산은 sklearn.metrics.mean_squared_error() 함수를 사용합니다.

사실 이 모델은 변수(feature, 특성)의 선택을 위한 측정자(estimator)로 더 많이 적용됩니다. 이 과정에서 특성 선택의 rmse는 기준이 될 수 있습니다.

mseTr=mean_squared_error(yte, dTree.predict(xte))
rmseTr=mean_squared_error(yte, dTree.predict(xte), squared=False)
mseTr, rmseTr
(11.222352941176469, 3.349978050849956)

훈련셋트에서 구축한 결정트리를 검정 셋트에 적용한 결과를 그림으로 나타내봅니다.

plt.figure(dpi=100)
plt.scatter(range(len(yte)), yte, s=20, edgecolor="black", c="darkorange", label="data") 
plt.plot(range(len(yte)), dT.predict(xte), color="skyblue", linewidth=2)
plt.show()

DecisionTreeClassifier는 DecisionTreeRegressor와 같은 알고리즘이지만 라벨이 클래스화된 정수형태입니다.

다음은 모든 데이터가 정수형이고 목록변수 즉, 클래스화된 iris에 대해 적용해 봅니다.

from sklearn.datasets import load_iris
iris = load_iris()
X, y = iris.data, iris.target
xtr, xte, ytr, yte=train_test_split(X, y, test_size=0.2)
clf1 = tree.DecisionTreeClassifier()
clf1 = clf.fit(xtr, ytr)
pre=clf1.predict(xte);pre
array([0, 0, 2, 1, 0, 1, 2, 0, 2, 1, 2, 2, 0, 0, 2, 2, 0, 2, 1, 0, 1, 1,
       0, 2, 0, 2, 0, 0, 1, 0])
yte
array([0, 0, 1, 2, 0, 1, 2, 0, 2, 1, 2, 2, 0, 0, 2, 2, 0, 2, 1, 0, 1, 1,
       0, 1, 0, 2, 0, 0, 1, 0])
print(f'모델의 정확도: {np.sum(pre==yte)/len(yte)}')
모델의 정확도: 0.9

위 모델의 구축과정을 다음과 같이 시각화 할 수 있습니다.

plt.figure(dpi=150)
treefig=tree.plot_tree(clf)

일일 코스피 지수에 대한 결정트리 모델을 적용합니다. 이 데이터는 Open, High, Low, Close, Volume, Change의 특성으로 구성되어 있습니다. 분석을 위한 데이터 전처리는 다음과 같이 이루어 집니다.

  • 모든 변수를 10구간으로 구분하여 목록화 합니다.
  • 특성(feature): Open, High, Low, Volume, Change
  • 반응변수: Close
  • 전날의 특성에 대응하는 반응변수는 현재의 값, 즉, 특성과 반응변수는 1일 차이를 가집니다.
import FinanceDataReader as fdr
st=pd.Timestamp(2010,8, 26)
et=pd.Timestamp(2022, 5, 12)
da=fdr.DataReader('KS11', st, et)
cateDa={}
cateDaRef={}
for i in da1.columns:
    re=pd.cut(da[i], bins=10, labels=range(1, 11), retbins=True)
    cateDa[i]=re[0]
    cateDaRef[i]=re[1]
da3=pd.DataFrame(cateDa.values()).T
da3.head(3)
Close Open High Low Volume Change
Date
2010-08-26 2 2 2 2 1 5
2010-08-27 2 2 2 2 1 5
2010-08-30 2 2 2 2 1 6

위에서 생성한 cateDaRef는 각 변수를 목록변수로 변환하기 위해 적용한 구간 값들입니다.

cateDaRef['Close']
array([1455.79243, 1642.397  , 1827.154  , 2011.911  , 2196.668  ,
       2381.425  , 2566.182  , 2750.939  , 2935.696  , 3120.453  ,
       3305.21   ])

데이터 d3에서 특성, 반응변수와 마지막 행은 최총 추정에 적용하기 위해 분리합니다.

trgNme="Close"
X=da3.drop(columns=trgNme).iloc[:-1,:]
new=da3.drop(columns=trgNme).iloc[-1,:]
y=da3[trgNme][1:]
new
Open 6
High 6
Low 6
Volume 3
Change 4
Name: 2022-05-12 00:00:00, dtype: int64
X.shape, y.shape
((2887, 5), (2887,))
xtr, xte, ytr, yte=train_test_split(X, y, test_size=0.2, random_state=1)
xtr.shape, ytr.shape
((2309, 5), (2309,))
xte.shape, yte.shape
((578, 5), (578,))
clf2=tree.DecisionTreeClassifier()
clf2=clf2.fit(xtr, ytr)
pre=clf2.predict(xte)
pre[:3]
array([4, 3, 4])
print(f'모델의 정확도: {np.sum(pre==yte)/len(yte)}')
모델의 정확도: 0.8961937716262975

new변수에 대한 추정은 다음과 같습니다. 이 변수는 1차원 벡터 형태로서 모델 clf2에 적용하기 위해서는 2차원 행렬 형태로 전환해 주어야 합니다.

clf2.predict(new.values.reshape(1,-1))
array([6])

위 추정결과 6은 위 결과객체 cateDaRe에 적용하면 2381.425 ~ 2566.182에 포함됩니다.

댓글

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...

유리함수 그래프와 점근선 그리기

내용 유리함수(Rational Function) 점근선(asymptote) 유리함수 그래프와 점근선 그리기 유리함수(Rational Function) 유리함수는 분수형태의 함수를 의미합니다. 예를들어 다음 함수는 분수형태의 유리함수입니다. $$f(x)=\frac{x^{2} - 1}{x^{2} + x - 6}$$ 분수의 경우 분모가 0인 경우 정의할 수 없습니다. 이와 마찬가지로 유리함수 f(x)의 정의역은 분모가 0이 아닌 부분이어야 합니다. 그러므로 위함수의 정의역은 분모가 0인 부분을 제외한 부분들로 구성됩니다. sympt=solve(denom(f), a); asympt [-3, 2] $$-\infty \lt x \lt -3, \quad -3 \lt x \lt 2, \quad 2 \lt x \lt \infty$$ 이 정의역을 고려해 그래프를 작성을 위한 사용자 정의함수는 다음과 같습니다. def validX(x, f, symbol): ① a=[] b=[] for i in x: try: b.append(float(f.subs(symbol, i))) a.append(i) except: pass return(a, b) #x는 임의로 지정한 정의역으로 불연속선점을 기준으로 구분된 몇개의 구간으로 전달할 수 있습니다. #그러므로 인수 x는 2차원이어야 합니다. def RationalPlot(x, f, sym, dp=100): fig, ax=plt.subplots(dpi=dp) # ② for k in x: #③ x4, y4=validX(k, f, sym) ax.plot(x4, y4) ax.spines['left'].set_position(('data', 0)) ax.spines['right...

turtle로 정오각형 그리기

정오각형 그리기  오각형을 그리는 것 역시 정사각형 , 정삼각형 을 그리는 것과 유사한 과정을 거칩니다. 단지 각 꼭지점의 각도만이 다르지요. 그러면 정오각형의 각 모서리의 각도는 어떻게 될까요? 이를 생각하기에 앞서 각 도형의 내각을 먼저 생각해보죠. 우리는 삼각형의 내각의 합을 알고 있습니다. 이를 이용하면 각 도형에서 삼각형이 몇개가 존재하는지를 알아보고 "삼각형의 갯수×180"로 그 도형의 내각의 합을 구할 수 있을 것입니다. 다음 그림을 볼까요? 위 그림의 사각형은 1개의 대각선으로 2개의 삼각형으로 구성됩니다. 오각형의 경우 2개의 대각선으로 3개의 삼각형으로 구성됩니다. 즉, 다음의 관계를 보이지요. 사각형의 내각 : 삼각형 2개 2×180=360 한각의 값  360/4=90 오각형의 내각 : 삼각형 3개 3×180=540 한각의 값  540/5=108 육각형의 내각 : 삼각형 4개 4×180=720 한각의 값  720/6=120 ... 위 그림에서 내각과 외각의 관계를 보면 위 그림의 검은색은 각 모서리의 내각이고 빨간색은 외각을 나타냅니다. 외각은 내각을 이루는 하나의 선을 연장했을 경우 상대되는 각도이라고 했습니다. 그러므로 오각형의 경우 내각 108도에 대한 외각은 72도입니다. 특이할 사항은 사각형이나 오각형이나 외각의 합은 360입니다. 즉, 모든 도형의 외각의 합은 360도입니다. (삼각형의 외각의 합을 구해보세요.) 그러므로 모든 정다각형에서 하나의 외각은 다음과 같이 계산될 수 있겠지요. 360/변수의 수=다각형에서 하나의 외각 위에서 회전을 할 경우 내각이 아닌 외각을 사용해야 함을 알았습니다. 그러므로 오각형을 그리는 계획은 다음과 같이 작성할 수 있겠죠. 1) 지정한 길이만큼 앞으로 이동합니다. 2) 오른쪽 또는 왼쪽으로 72도를 회전합니다. 3) 앞으로 동일한 길이만큼 이동합니다. 4) 오른쪽 또는 왼쪽으로 72도 만큼 이동합니다. 5)1번부터 4번 ...