<!doctype html>
<html lang="en">
<head>
<meta charset="utf-8">
<meta content="width=device-width, initial-scale=1" name="viewport">
</head>
<body>
<img src="/TIL/assets/img/2024-07-07-Acouplelinesofcodetoapply40MLmodels_0.png">
<p>이 글에서는 "lazypredict" 라이브러리를 소개하려고 합니다. 이 라이브러리를 사용하면 여러 개의 머신러닝 모델을 동시에 적용할 수 있습니다.</p>
<p>이 라이브러리는 pip로 설치할 수 있습니다:</p>
<img src="/TIL/assets/img/2024-07-07-Acouplelinesofcodetoapply40MLmodels_1.png">

<p><ins class="adsbygoogle" style="display:block" data-ad-client="ca-pub-4877378276818686" data-ad-slot="1549334788" data-ad-format="auto" data-full-width-responsive="true"></ins></p>
<script>
(adsbygoogle = window.adsbygoogle || []).push({});
</script>
<p>여기에서는 mal 고객 데이터 세트를 사용합니다: <a href="https://gist.githubusercontent.com/pravalliyaram/5c05f43d2351249927b8a3f3cc3e5ecf/raw/8bd6144a87988213693754baaa13fb204933282d/Mall_Customers.csv" rel="nofollow" target="_blank">링크</a></p>
<p>데이터 세트의 처음을 살펴보겠습니다:</p>
<pre><code class="hljs language-python"><span class="hljs-keyword">import</span> pandas <span class="hljs-keyword">as</span> pd

df = pd.read_csv(<span class="hljs-string">'https://gist.githubusercontent.com/pravalliyaram/5c05f43d2351249927b8a3f3cc3e5ecf/raw/8bd6144a87988213693754baaa13fb204933282d/Mall_Customers.csv'</span>)

df.head()
</code></pre>
<p><img src="/TIL/assets/img/2024-07-07-Acouplelinesofcodetoapply40MLmodels_2.png" alt="이미지"></p>

<p><ins class="adsbygoogle" style="display:block" data-ad-client="ca-pub-4877378276818686" data-ad-slot="1549334788" data-ad-format="auto" data-full-width-responsive="true"></ins></p>
<script>
(adsbygoogle = window.adsbygoogle || []).push({});
</script>
<p>간단해요. "지출 점수"는 종속 변수 Y이고 다른 필드들은 X입니다.</p>
<p>그런 다음, 데이터 집합을 훈련 세트와 테스트 세트로 분할하십시오:</p>
<pre><code class="hljs language-js"><span class="hljs-keyword">from</span> sklearn.<span class="hljs-property">model_selection</span> <span class="hljs-keyword">import</span> train_test_split

X = df.<span class="hljs-property">loc</span>[:, df.<span class="hljs-property">columns</span> != <span class="hljs-string">'Spending Score (1-100)'</span>]
y = df[<span class="hljs-string">'Spending Score (1-100)'</span>]

X_train, X_test, y_train, y_test =…
</code></pre>
</body>
</html>

<img src="/TIL/assets/img/2024-07-07-Acouplelinesofcodetoapply40MLmodels_0.png" />

이 글에서는 "lazypredict" 라이브러리를 소개하려고 합니다. 이 라이브러리를 사용하면 여러 개의 머신러닝 모델을 동시에 적용할 수 있습니다.

이 라이브러리는 pip로 설치할 수 있습니다:

<img src="/TIL/assets/img/2024-07-07-Acouplelinesofcodetoapply40MLmodels_1.png" />



<ins class="adsbygoogle"
     style="display:block"
     data-ad-client="ca-pub-4877378276818686"
     data-ad-slot="1549334788"
     data-ad-format="auto"
     data-full-width-responsive="true"></ins>

<script>
(adsbygoogle = window.adsbygoogle || []).push({});
</script>

여기에서는 mal 고객 데이터 세트를 사용합니다: [링크](https://gist.githubusercontent.com/pravalliyaram/5c05f43d2351249927b8a3f3cc3e5ecf/raw/8bd6144a87988213693754baaa13fb204933282d/Mall_Customers.csv)

데이터 세트의 처음을 살펴보겠습니다:

```python
import pandas as pd

df = pd.read_csv('https://gist.githubusercontent.com/pravalliyaram/5c05f43d2351249927b8a3f3cc3e5ecf/raw/8bd6144a87988213693754baaa13fb204933282d/Mall_Customers.csv')

df.head()
```

![이미지](/TIL/assets/img/2024-07-07-Acouplelinesofcodetoapply40MLmodels_2.png)



<ins class="adsbygoogle"
     style="display:block"
     data-ad-client="ca-pub-4877378276818686"
     data-ad-slot="1549334788"
     data-ad-format="auto"
     data-full-width-responsive="true"></ins>

<script>
(adsbygoogle = window.adsbygoogle || []).push({});
</script>

간단해요. "지출 점수"는 종속 변수 Y이고 다른 필드들은 X입니다.

그런 다음, 데이터 집합을 훈련 세트와 테스트 세트로 분할하십시오:

```js
from sklearn.model_selection import train_test_split

X = df.loc[:, df.columns != 'Spending Score (1-100)']
y = df['Spending Score (1-100)']

X_train, X_test, y_train, y_test =…
```

코드 몇 줄로 40개의 머신러닝 모델 적용하는 방법