#!/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.*
# 
# <table class="tfo-notebook-buttons" align="left">
#   <td>
#     <a target="_blank" href="https://nbviewer.org/github/rickiepark/intro_ml_with_python_2nd_revised/blob/main/08-conclusion.ipynb"><img src="https://jupyter.org/assets/share.png" width="60" />주피터 노트북 뷰어로 보기</a>
#   </td>
#   <td>
#     <a target="_blank" href="https://colab.research.google.com/github/rickiepark/intro_ml_with_python_2nd_revised/blob/main/08-conclusion.ipynb"><img src="https://www.tensorflow.org/images/colab_logo_32px.png" />구글 코랩(Colab)에서 실행하기</a>
#   </td>
# </table>

# 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