# Scikit-learn

## 개요

**Scikit-learn**(사이킷-런)은 파이썬 기반의 오픈소스 머신러닝 라이브러리로, 데이터 마이닝과 데이터 분석을 위한 다양한 알고리즘과 도구를 제공합니다. 2007년에 처음 개발되어 현재는 데이터 과학자와 머신러닝 엔지니어들 사이에서 가장 널리 사용되는 라이브러리 중 하나로 자리 잡았습니다. Scikit-learn은 NumPy, SciPy, 그리고 Matplotlib과 같은 파이썬 과학 컴퓨팅 라이브러리와 긴밀하게 통합되어 있어, 수치 계산, 시각화, 그리고 모델 구현을 원활하게 수행할 수 있습니다.

이 라이브러리는 지도 학습, 비지도 학습, 모델 선택, 데이터 전처리 등 머신러닝의 전반적인 작업 흐름을 지원하며, 사용자 친화적인 인터페이스와 체계적인 문서화로 인해 초보자부터 전문가까지 폭넓게 활용됩니다.

---

## 주요 기능

### 1. 지도 학습 (Supervised Learning)

Scikit-learn은 다양한 지도 학습 알고리즘을 제공합니다. 주요 알고리즘은 다음과 같습니다:

- **선형 회귀**(Linear Regression)
- **로지스틱 회귀**(Logistic Regression)
- **서포트 벡터 머신**(SVM)
- **의사결정나무**(Decision Trees)
- **랜덤 포레스트**(Random Forest)
- **그래디언트 부스팅**(Gradient Boosting)
- **K-최근접 이웃**(K-Nearest Neighbors)

이러한 알고리즘들은 회귀 및 분류 문제에 적용할 수 있으며, 모두 일관된 인터페이스(`fit`, `predict`, `score`)를 사용하여 모델을 학습하고 평가할 수 있습니다.

```python
from sklearn.linear_model import LogisticRegression
from sklearn.datasets import load_iris

X, y = load_iris(return_X_y=True)
model = LogisticRegression()
model.fit(X, y)
predictions = model.predict(X)
```

### 2. 비지도 학습 (Unsupervised Learning)

비지도 학습은 레이블이 없는 데이터에서 패턴을 찾는 데 사용됩니다. Scikit-learn에서 지원하는 대표적인 비지도 학습 기법은 다음과 같습니다:

- **K-평균 클러스터링**(K-Means Clustering)
- **계층적 클러스터링**(Hierarchical Clustering)
- **주성분 분석**(PCA)
- **t-SNE**(t-Distributed Stochastic Neighbor Embedding)
- **DBSCAN**(Density-Based Spatial Clustering)

예를 들어, PCA는 차원 축소를 통해 데이터의 주요 특성을 추출할 수 있습니다.

```python
from sklearn.decomposition import PCA

pca = PCA(n_components=2)
X_reduced = pca.fit_transform(X)
```

### 3. 데이터 전처리

모델 학습 전 데이터를 적절히 전처리하는 것은 성능 향상에 매우 중요합니다. Scikit-learn은 다음과 같은 전처리 도구를 제공합니다:

- **스케일링**: `StandardScaler`, `MinMaxScaler`
- **정규화**: `Normalizer`
- **결측치 처리**: `SimpleImputer`
- **범주형 변수 인코딩**: `OneHotEncoder`, `LabelEncoder`

```python
from sklearn.preprocessing import StandardScaler

scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)
```

### 4. 모델 평가 및 선택

Scikit-learn은 교차 검증(cross-validation), 하이퍼파라미터 튜닝, 성능 지표 계산 등 모델 선택을 위한 강력한 도구를 제공합니다.

- **교차 검증**: `cross_val_score`, `KFold`
- **하이퍼파라미터 튜닝**: `GridSearchCV`, `RandomizedSearchCV`
- **성능 지표**: 정확도(accuracy), 정밀도(precision), 재현율(recall), F1-score, ROC-AUC 등

```python
from sklearn.model_selection import GridSearchCV

param_grid = {'C': [0.1, 1, 10], 'kernel': ['linear', 'rbf']}
grid_search = GridSearchCV(SVC(), param_grid, cv=5)
grid_search.fit(X_train, y_train)
```

---

## 아키텍처 및 설계 철학

Scikit-learn은 다음과 같은 설계 원칙을 따릅니다:

- **일관성**(Consistency): 모든 추정기(estimator)는 `fit()`, `transform()`, `predict()` 등의 동일한 인터페이스를 가집니다.
- **검사 가능성**(Inspection): 모든 파라미터는 인스턴스 속성으로 접근 가능합니다 (예: `model.coef_`).
- **합성 가능성**(Composition): 전처리와 모델을 `Pipeline`을 통해 하나의 객체로 결합할 수 있습니다.
- **기본값 제공**(Sensible defaults): 대부분의 파라미터는 합리적인 기본값을 가지므로, 초보자도 쉽게 시작할 수 있습니다.

예를 들어, `Pipeline`을 사용하면 전처리와 모델 학습을 하나의 단계로 통합할 수 있습니다:

```python
from sklearn.pipeline import Pipeline
from sklearn.svm import SVC

pipeline = Pipeline([
    ('scaler', StandardScaler()),
    ('classifier', SVC())
])
pipeline.fit(X_train, y_train)
```

---

## 설치 및 의존성

Scikit-learn은 파이썬 패키지 인덱스(PyPI)를 통해 쉽게 설치할 수 있습니다:

```bash
pip install scikit-learn
```

주요 의존성은 다음과 같습니다:
- NumPy (≥1.13.3)
- SciPy (≥0.19.1)
- joblib (병렬 처리 지원)
- threadpoolctl (스레드 제어)

---

## 활용 사례

Scikit-learn은 다음과 같은 분야에서 널리 사용됩니다:
- 고객 세분화 (클러스터링)
- 스팸 메일 필터링 (분류)
- 주가 예측 (회귀)
- 이미지 분류 (특징 추출 + 분류기)
- 추천 시스템의 기초 모델링

---

## 참고 자료 및 관련 문서

- [공식 문서](https://scikit-learn.org)
- [GitHub 저장소](https://github.com/scikit-learn/scikit-learn)
- Pedregosa, F., et al. (2011). "Scikit-learn: Machine Learning in Python", *Journal of Machine Learning Research*, 12, pp. 2825–2830.
- 파이썬 데이터 과학 도구: NumPy, Pandas, Matplotlib

Scikit-learn은 머신러닝의 접근성을 높인 대표적인 도구로서, 연구 및 산업계에서 지속적으로 활용되고 있습니다.