#!/usr/bin/env python
# coding: utf-8
# # 8장. 마무리
# *아래 링크를 통해 이 노트북을 주피터 노트북 뷰어(nbviewer.org)로 보거나 구글 코랩(colab.research.google.com)에서 실행할 수 있습니다.*
#
#
# In[1]:
# 노트북이 코랩에서 실행 중인지 체크합니다.
import os
import sys
if 'google.colab' in sys.modules:
# 사이킷런 최신 버전을 설치합니다.
get_ipython().system('pip install -q --upgrade scikit-learn')
# ## 8.1 머신 러닝 문제 접근 방법
# ### 8.1.1 의사 결정 참여
# ## 8.2 프로토타입에서 제품까지
# ## 8.3 제품 시스템 테스트
# ## 8.4 나만의 추정기 만들기
# In[2]:
from sklearn.base import BaseEstimator, TransformerMixin
class MyTransformer(BaseEstimator, TransformerMixin):
def __init__(self, first_paramter=1, second_parameter=2):
# __init__ 메소드에 필요한 모든 매개변수를 나열합니다
self.first_paramter = 1
self.second_parameter = 2
def fit(self, X, y=None):
# fit 메소드는 X와 y 매개변수만을 갖습니다
# 비지도 학습 모델이더라도 y 매개변수를 받도록 해야합니다!
# 모델 학습 시작
print("모델 학습을 시작합니다")
# 객체 자신인 self를 반환합니다
return self
def transform(self, X):
# transform 메소드는 X 매개변수만을 받습니다
# X를 변환합니다
X_transformed = X + 1
return X_transformed
# ## 8.5 더 배울 것들
# ### 8.5.1 이론
# ### 8.5.2 다른 머신 러닝 프레임워크, 패키지
# ### 8.5.3 랭킹, 추천 시스템과 그외 다른 알고리즘
# ### 8.5.4 확률 모델렝, 추론, 확률적 프로그래밍
# ### 8.5.5 신경망
# ### 8.5.6 대규모 데이터셋으로 확장
# ### 8.5.7 실력 기르기
# ## 8.6 마치며