파이썬 머신러닝 입문: scikit-learn 결정 트리로 음악 추천 모델 만들기

핵심 메시지

• 고양이·개 구분처럼 규칙이 복잡해 깨지기 쉬운 문제를 머신러닝은 데이터의 패턴 학습으로 푼다.
• 머신러닝 프로젝트는 데이터 가져오기→정제→학습·테스트 분리→모델 생성→학습→예측→평가의 단계를 따른다.
• numpy·pandas·matplotlib·scikit-learn과 주피터 노트북이 대표 도구다.
• 데이터를 입력(X)과 출력(y)으로 나눠 결정 트리 모델을 학습시키면 새 입력의 장르를 예측할 수 있다.
• 학습 데이터가 적거나 지저분하면 정확도가 급격히 떨어진다.

쉽게 이해하기

이 튜토리얼은 파이썬을 어느 정도 아는 사람을 대상으로, 한 시간 남짓 안에 머신러닝의 기본을 익히도록 안내한다. 강사는 머신러닝이 인공지능의 한 갈래이며, 사람이 좋아할 음악을 학습해 예측하는 실제 모델을 함께 만들어 볼 것이라고 예고한다.

그는 먼저 왜 머신러닝이 필요한지 설명한다. 사진이 고양이인지 개인지 판별하는 프로그램을 전통적 방식으로 짜려면 곡선·모서리·색을 찾는 규칙이 끝없이 복잡해지고, 흑백 사진이나 새로운 각도의 사진에서 규칙이 깨진다. 지원할 동물을 늘릴 때마다 규칙을 다시 써야 한다. 반면 머신러닝은 수천~수만 장의 데이터를 모델에 주어 패턴을 학습시키고, 데이터가 많을수록 정확해진다.

머신러닝 프로젝트의 단계도 정리한다. CSV 같은 형태로 데이터를 가져오고, 중복·불완전·무관한 값을 정제하며, 문자 데이터는 숫자로 바꾼다. 이어 데이터를 학습용(70~80%)과 테스트용(20~30%)으로 나누고, 알고리즘을 골라 모델을 만든 뒤 학습시키고 예측하게 한 다음 정확도를 평가한다. 정확도가 낮으면 알고리즘을 바꾸거나 매개변수를 조정한다.

도구로는 다차원 배열의 numpy, 엑셀 시트 같은 데이터프레임을 제공하는 pandas, 그래프용 matplotlib, 결정 트리·신경망 등 알고리즘을 담은 scikit-learn을 소개한다. 코드 작성 환경으로는 데이터를 셀 단위로 실행하고 눈으로 확인하기 좋은 주피터 노트북을 쓰며, 아나콘다를 설치하면 주피터와 주요 라이브러리가 함께 깔린다고 안내한다.

실습에서는 나이·성별에 따른 음악 장르 CSV를 불러와, drop으로 입력 집합 X를, 장르 열로 출력 집합 y를 만든다. scikit-learn의 DecisionTreeClassifier로 모델을 만들어 fit으로 학습시키고 predict로 21세 남성·22세 여성의 장르를 예측한다. train_test_split으로 데이터를 나눠 accuracy_score로 정확도를 재면, 학습 데이터를 20%로 줄이자 정확도가 40%대까지 떨어지는 것을 보여 준다. 끝으로 joblib으로 학습된 모델을 파일로 저장·불러오고, export_graphviz로 결정 트리를 시각화해 모델이 나이·성별 조건으로 어떻게 장르를 나누는지 눈으로 확인한다.

주요 인사이트

• 전통적 프로그래밍이 규칙을 일일이 쓰는 방식이라면, 머신러닝은 데이터에서 패턴을 스스로 찾게 하는 방식이다.
• 데이터를 입력(X)과 출력(y)으로 분리하는 것이 학습의 핵심 준비 단계다.
• 정확도를 제대로 재려면 데이터를 학습용과 테스트용으로 나누고, 예측을 실제 값과 비교해야 한다.
• 학습 데이터의 양과 품질이 정확도를 좌우하며, 복잡한 문제일수록 훨씬 많은 표본이 필요하다.
• 학습에 시간이 걸리므로 joblib으로 모델을 저장해 두고, 예측할 때는 불러와 쓰는 '모델 지속성'이 실무에서 중요하다.

자주 묻는 질문

관련 AI 소식