README.md - Examples

  1# Machine Learning 예제
  2
  3Machine_Learning 폴더의 14개 레슨에 해당하는 실행 가능한 Jupyter Notebook 예제입니다.
  4
  5## 폴더 구조
  6
  7```
  8examples/
  9├── 01_linear_regression.ipynb      # 선형 회귀
 10├── 02_logistic_regression.ipynb    # 로지스틱 회귀
 11├── 03_model_evaluation.ipynb       # 모델 평가 지표
 12├── 04_cross_validation.ipynb       # 교차 검증
 13├── 05_preprocessing.ipynb          # 데이터 전처리
 14├── 06_decision_tree.ipynb          # 결정 트리
 15├── 07_random_forest.ipynb          # 랜덤 포레스트
 16├── 08_xgboost_lightgbm.ipynb       # XGBoost, LightGBM
 17├── 09_svm.ipynb                    # SVM (Support Vector Machine)
 18├── 10_knn_naive_bayes.ipynb        # k-NN, 나이브 베이즈
 19├── 11_clustering.ipynb             # K-Means, DBSCAN
 20├── 12_pca.ipynb                    # PCA, t-SNE 차원 축소
 21├── 13_pipeline.ipynb               # sklearn 파이프라인
 22├── 14_kaggle_project.ipynb         # 실전 Kaggle 프로젝트
 23├── datasets/                       # 예제 데이터셋
 24└── README.md
 25```
 26
 27## 실행 방법
 28
 29### 환경 설정
 30
 31```bash
 32# 가상환경 생성 (권장)
 33python -m venv ml-env
 34source ml-env/bin/activate  # Windows: ml-env\Scripts\activate
 35
 36# 필요한 패키지 설치
 37pip install numpy pandas matplotlib seaborn scikit-learn jupyter
 38
 39# XGBoost, LightGBM (08 레슨용)
 40pip install xgboost lightgbm
 41```
 42
 43### Jupyter Notebook 실행
 44
 45```bash
 46cd Machine_Learning/examples
 47jupyter notebook
 48
 49# 또는 JupyterLab
 50jupyter lab
 51```
 52
 53## 레슨별 예제 목록
 54
 55| 레슨 | 주제 | 핵심 내용 |
 56|------|------|----------|
 57| 01 | 선형 회귀 | 단순/다중 회귀, MSE, R² |
 58| 02 | 로지스틱 회귀 | 이진/다중 분류, ROC-AUC |
 59| 03 | 모델 평가 | 정확도, 정밀도, 재현율, F1 |
 60| 04 | 교차 검증 | K-Fold, Stratified, GridSearchCV |
 61| 05 | 전처리 | 스케일링, 인코딩, 결측치 |
 62| 06 | 결정 트리 | 트리 시각화, 과적합 방지 |
 63| 07 | 랜덤 포레스트 | 배깅, OOB, 특성 중요도 |
 64| 08 | XGBoost/LightGBM | 그래디언트 부스팅, 조기 종료 |
 65| 09 | SVM | 커널 트릭, 하이퍼플레인 |
 66| 10 | k-NN/나이브 베이즈 | 거리 기반, 확률 기반 분류 |
 67| 11 | 클러스터링 | K-Means, DBSCAN, 실루엣 |
 68| 12 | 차원 축소 | PCA, t-SNE, 설명 분산 |
 69| 13 | 파이프라인 | Pipeline, ColumnTransformer |
 70| 14 | Kaggle 프로젝트 | Titanic, 특성 공학 |
 71
 72## 학습 순서
 73
 741. **기초**: 01 → 02 → 03 → 04 → 05
 752. **트리 모델**: 06 → 07 → 08
 763. **기타 알고리즘**: 09 → 10
 774. **비지도 학습**: 11 → 12
 785. **실전**: 13 → 14
 79
 80## 데이터셋
 81
 82예제에서 사용하는 데이터셋:
 83
 84| 데이터셋 | 출처 | 용도 |
 85|---------|------|------|
 86| Iris | sklearn | 분류 (다중 클래스) |
 87| Wine | sklearn | 분류 (다중 클래스) |
 88| California Housing | sklearn | 회귀 |
 89| Digits | sklearn | 분류 (이미지) |
 90| Titanic | Kaggle | 분류 (실전) |
 91
 92## 필요 패키지
 93
 94```
 95numpy>=1.21.0
 96pandas>=1.3.0
 97matplotlib>=3.4.0
 98seaborn>=0.11.0
 99scikit-learn>=1.0.0
100jupyter>=1.0.0
101xgboost>=1.5.0      # 08 레슨
102lightgbm>=3.3.0     # 08 레슨
103```
104
105## 참고 자료
106
107- [scikit-learn 공식 문서](https://scikit-learn.org/stable/)
108- [Kaggle](https://www.kaggle.com/)
109- [Machine Learning Mastery](https://machinelearningmastery.com/)