타이타닉/예측ML관련 질문드립니다.

1. 위의 프로세스가 맞을까요?

=> 위에 답변 참조 부탁드립니다. 

2. 위에서 머신의 추리를 쉽게하기 위해 (3) name 컬럼을 drop했습니다. 그 외에도 "데이터 전처리" 과정에서 불필요한 속성(정확히는 숫자가 아니어서 머신이 처리할 수 없는 속성)을 제거하게 되는데요, - 예측 ML을 돌린 후에, 저기 버렸던 속성들과 매칭해서 보려면 어떻게 해야할까요? (ex) 예측ML로 y_test(생존여부)를 추측한 뒤, 그들의 이름을 확인하고 싶습니다.

=> Pandas DataFrame을 원본 메모리 구조를 그대로 사용하여 다른 메모리 구조로 복사하는 형태입니다.  name 컬럼을 다른 DataFrame으로 복제하신 뒤 다시 옮기시면 됩니다. 예를 들어

# backup_df로 'Name' 컬럼값을 백업함. 

backup_df = new DataFrame()

backup_df['Name'] = titanic_df['Name']

titanic_df = titanic_df.drop('Name', axis=1)

# 머신러닝 작업 후에 다시 'Name' 컬럼을 복구함

titanic_df['Name'] = backup_df['Name']

3. 애당초 저런 칼럼(name 등)들을 Drop하지 않고 ML에 넣을 수는 없을까요? train_test_split에 해당컬럼들을 제외하고 넣어보려했더니 에러가 발생합니다.

=> ML 모델을 숫자값만 허용합니다. 넣을 수는 있는데, 레이블 인코딩을 하셔야 합니다. 하지만 이름과 같은 컬럼은 모델 성능에 방해만 되므로 넣지 않는 것이 좋습니다. 

4. 저 예측 ML의 블랙박스와 같은 "중간 추론"을 알 수 있을까요? 예를들면, 좌석등급이 제일 유효했다거나, 성별이 제일 유효했다거나 하는 식으로 말입니다.

=> 4장 분류에 보시면 트리 계열의 알고리즘은  '피처 중요도'라는 것을 가질 수 있습니다. 해당 피처가 모델에서 중요한지의 레벨을 어느정도까지는 알 수 있습니다. 

5. 저렇게 학습한 모델을 가지고, 답을 모르는 데이터셋에 집어넣어보려면 어떻게 해야할까요? (타이타닉으로 학습한 모델을, 생존여부를 모르는 "퀸엘리자베스호 승객" 데이터셋에 적용하고 싶다면요)

=> 학습과 테스트 데이터의 피처만 같다면 어느 데이터건 상관 없습니다. 퀸 엘리자베스호 승객 데이터를 타이타닉 데이터와 같은 피처로 변경해 주시면 됩니다. 다만 퀸 엘리자베스호 승객의 경우, 운항 경로, 사고 여부가 타이타닉과 다를 수 있기 때문에 좋은 모델이 되지 않을 수 있습니다. 

감사합니다. 

안녕하십니까, 

1. 전체 데이터를 feature / label로 나눈다. 타이타닉의 경우 Survive 칼럼만 label이 된다.
=> 맞습니다. 

2. 전체 데이터를 train / test로 쪼갠다. 이것 때문에 K-fold나 Stratified K-Fold가 있다.
=> K-Fold , Stratified K-Fold는 교차 검증을 위해 있습니다. 전체 데이터를 일정 수준 떼어내서 테스트 데이터를 만들 경우에는 train_test_split() 을 사용합니다. 

3. Name등 숫자가 아닌 데이터 컬럼들은 버린다(drop).
=> 숫자가 아닌 컬럼을 다 버리지 않습니다. 승객번호나 이름, 선실번호와 같이 학습에 사용할 필요가 없는 피처들은 삭제 합니다.  이름으로 사망/생존을 결정할수는 없을 것입니다.  숫자가 아닌 문자열 컬럼들 중에 선실등급, 성별등과 같은 카테고리 값등은 label encoding/one-hot encoding으로 encoding 합니다. 

4. "train feature" - "train label" 의 관계를 머신이 학습한다. 
=> 맞습니다.

5. 머신이 "feature - train" 사이의 관계성을 유추한다. (사용자는 그 중간로직을 블랙박스처럼 알 수 없다.)
=> 맞습니다

6. 이제 "test feature"을 넣고 값이 뭐가 나오는 지 본다.
=> 맞습니다. 

7. 머신이 "유추한 test label"과 "진짜 test label"의 일치성을 확인해서, 머신의 유추로직이 정확한지 평가한다. (보통 이것은 accuracy 수치로 확인한다.)

=> 맞습니다. 

답글이 길어지면 Q&A에 입력이 안되는 군요. 아래 추가 답글 참조해 주십시요.