분류란 좁게는 데이터를 통해 레이블을 구분해내는 것을 의미한다. 이는 이진 분류와 다항 분류로 나누어볼 수 있는데, 이진분류란 2개의 즉, 0과 1(True or False)을 구분하는 것이다. 다항 분류란 항이 여러개란 의미로 앞으로 볼 MNIST 데이터와 같이 여러 종류의 카테고리가 존재하는 데이터를 구분하는 것을 의미한다.
자, 그렇다면 인공지능을 활용한 여러 task 중에서 가장 기본이 되는 task 중 하나인 이미지 분류를 진행해볼 것이다. 분류 중 가장 기본이 되는 MNIST 데이터셋을 사용하여 따라해보자.
<aside> 💡 MNIST는 0부터 9까지의 손으로 쓴 숫자 이미지 데이터이다. 기초적인 인공지능 코드 및 논문에서도 자주 볼 수 있으니 기억해두자!!
</aside>
아래에서 간단한 분류 코드를 작성해볼 것이다. Colab 노트북을 하나 열어 코드를 작성해보자.MNIST 분류
from sklearn.datasets import fetch_openml
mnist = fetch_openml("mnist_784", version=1) # 데이터 불러오기
X, y = mnist["data"], mnist["target"] # X는 이미지 데이터, y는 레이블
print(f"mnist data shape : {X.shape}, mnist label length : {y.shape}")
>> mnist data shape : (70000, 784), mnist label length : (70000,)
데이터의 형상을 보았을 때에 (70000, 784)인 것을 알 수 있다. label의 길이가 70000인 것을 토대로 보았을 때에, 70000장의 이미지가 각각 784개의 데이터를 가진다고 생각할 수 있다. 조금 더 나아가 이미지는 784 = 28 * 28이기에, 크기가 28px인 것을 예상해볼 수 있다.
이미지를 간단하게 출력해보자.
import matplotlib.pyplot as plt
img = X.iloc[0, :].to_numpy().reshape(28, -1)
plt.imshow(img)
plt.title(f"label of image : {y[0]}")
plt.show()
이미지는 숫자 5에 대한 손글씨라는 것을 확인할 수 있다.
그렇다면 이미지를 train 이미지와 test 이미지로 나누어 학습시켜보자.
X_train, X_test, y_train, y_test = X[:60000], X[60000:], y[:60000], y[60000:]
위 코드에서는 학습 이미지를 60000장, 테스트 이미지를 10000장으로 구분하였다. 하지만 이 수를 나누는 것은 절대적으로 개인에게 달려있다(잘 모르겠다면 학습 80%, 테스트 20%가 무난하다).
학습 코드는 다음과 같다.
from sklearn.linear_model import SGDClassifier
sgd_clf = SGDClassifier(random_state=42) # 모델 선언
sgd_clf.fit(X_train, y_train) # 학습
학습이 완료되었다면 모델이 잘 작동하는지 확인해보자.
sgd_clf.score(X_test, y_test)
>> 0.874
정확도는 약 87%정도가 나오는 것을 확인할 수 있다.