유방암 분류

실전문제로 배우는 머신러닝 - 1주차

• 악성 종양 : 흔히 아는 암입니다

• 음성 종양 : 종양이 환자들의 몸 안에서 퍼지지 않아 암으로 발전하지 않습니다

• 주어진 데이터는 총 569개로, 212개의 악성 사례와 357개의 음성 사례를 가지고 있습니다. 그리고 각 데이터는 30개의 특성을 가지고 있습니다.

• 30가지의 특성으로 악성일 때 0, 음성일 때 1을 판단하도록 학습시킬 것입니다.

• 예를 들어, 반경이 크고 부드러운 종양은 1(음성)이네?라고 판단하게끔 하는 것입니다.

SVM 개념 간단히 익히기

분류(classification), 회귀(regression), 특이점 판별(outliers detection) 에 쓰이는 지도 학습 머신 러닝 방법 중 하나이다.

이 프로젝트는 데이터가 이진으로 나뉘어져 있기 때문에 선형일거라 가정을하고 SVC(Support Vector Classification)을 사용할 것이다.

SVC

 

예를 들어, 동그라미와 네모로 두 범주를 나누는 분류 문제를 푼다고 가정해보자. 구분을 위해 두 범주 사이에 선을 긋는다고 한다면, 위 그림과 같이 다양한 방법으로 선을 그을 수 있다.

만약, 위 그림처럼 두 개의 점선으로 두 그룹을 구분할 수 있다면 두 점선 간 거리를 마진(Margin) 이라고 한다. 또한, 마진이 최대값을 가질 때의 중간 경계선을 최적 초평면(optimal hyperplane) 또는 결정 경계(Decision Boundary) 라고 한다.

따라서 SVM 은 각 그룹이 최대로 떨어질 수 있는 최대 거리(최대마진)를 찾고 , 해당 거리의 중간지점(최적 초평면)으로 각 그룹을 구분짓는 기법이다.

이와 같은 SVC 는 데이터가 선형인 경우에는 잘 작동하지만, 데이터가 비선형인 경우에는 잘 작동하지 않을 수 있다. 반대로 SVR은 데이터가 비선형일때 사용하기 적절하며, SVC와 그목표를 반대로 하면 되는데, 마진 내부에 데이터가 최대한 많이 들어가도록 학습하는 것이다.

마진의 폭은 epilson 이라는 하이퍼파라미터(절대상수)를 사용하여 조절이 가능하다.

 

Jupyter notebook을 사용한 유방암 분류 예제

1️⃣ 라이브러리 호출

2️⃣ 데이터셋 호출

3️⃣ 데이터 살펴보기

4️⃣ 데이터 시각화

5️⃣ 모델 학습

6️⃣ 모델 평가

7️⃣ 모델 개선

모델의 개선 전 후를 비교해봅시다.

• 2사분면에 있는 1종 오류가 7 → 4로 감소했습니다.

• 1종 오류는 종양이 악성으로 예측했으나 실제 환자는 건강한 것이기 때문에 이정도의 오류는 발생해도 큰 문제는 생기지 않습니다!

• 반대의 경우인 2종 오류가 중요한데, 0건이니 모델이 분류를 잘 했네요!