Scikit-Learn으로 시작하는 머신러닝 여정 (feat. 진짜 쉬움)

2025.12.13

요즘 AI 개인화가 핫하다는 기사를 보다가
Scikit-Learn 이라는 라이브러리 이름을 보게 됐어요

사실 머신러닝 라이브러리는 여러가지가 있는데
Scikit-Learn은 그 중에서도 정말 쉽게 시작할 수 있는 라이브러리라서
오늘은 이 라이브러리에 대해 이야기해보려고 해요

관련 이미지 1

이미지 출처: velog

Scikit-Learn이 뭔데?

Scikit-Learn은 Python 기반의 오픈소스 머신러닝 라이브러리예요
sklearn이라고도 불리는데, 이름만 봐도 알 수 있듯이 "학습(learn)"을 도와주는 도구죠

진짜 좋은 점은 NumPy, pandas랑 찰떡궁합이라는 거!
데이터 전처리부터 모델 학습, 평가까지 한 번에 할 수 있어서
초보자가 머신러닝 시작하기에 딱이에요

API가 엄청 심플하고 일관적이거든요?
한 번 익숙해지면 다른 알고리즘도 똑같은 방식으로 쓸 수 있어요

어떤 알고리즘을 지원하는데?

Scikit-Learn이 지원하는 알고리즘은 정말 다양해요

분류(Classification)
- 로지스틱 회귀
- SVM (Support Vector Machine)
- 결정 트리
- 랜덤 포레스트

회귀(Regression)
- 선형 회귀
- 릿지 회귀
- 라쏘 회귀

클러스터링(Clustering)
- k-Means
- DBSCAN
- 계층형 클러스터링

차원 축소
- PCA (주성분 분석)
- t-SNE

웬만한 건 다 있어서 작은~중간 규모 데이터셋 다룰 때는 Scikit-Learn만으로도 충분해요
대용량 데이터나 딥러닝이 필요하면 그때 TensorFlow나 PyTorch를 고려하면 되고요

실제로 어떻게 쓰는데?

Scikit-Learn의 핵심은 Estimator 패턴이에요
모든 모델이 fit()으로 학습하고, predict()나 transform()으로 예측/변환하는 구조죠

간단한 분류 모델 예시

from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import train_test_split
from sklearn.datasets import load_iris


데이터 로드

iris = load_iris()
X, y = iris.data, iris.target


학습/테스트 데이터 분리

X_train, X_test, y_train, y_test = train_test_split(
    X, y, test_size=0.2, random_state=42
)


모델 생성 및 학습

model = LogisticRegression()
model.fit(X_train, y_train)


예측

predictions = model.predict(X_test)


정확도 확인

accuracy = model.score(X_test, y_test)
print(f"정확도: {accuracy:.2f}")

이게 끝이에요!
진짜 몇 줄 안 되죠?

관련 이미지 2

이미지 출처: DEEPLINK CORE Lab_

주요 모듈들 살펴보기

Scikit-Learn은 기능별로 모듈이 잘 나뉘어져 있어요

sklearn.datasets
내장된 예제 데이터셋을 제공해줘요
붓꽃(iris), 와인, 손글씨 숫자 등등
연습용으로 딱이에요

sklearn.preprocessing
데이터 전처리할 때 쓰는 모듈이에요
정규화, 스케일링, 원-핫 인코딩 같은 거 여기서 다 해요

from sklearn.preprocessing import StandardScaler

scaler = StandardScaler()
X_scaled = scaler.fit_transform(X_train)

sklearn.model_selection
교차 검증이나 하이퍼파라미터 튜닝할 때 필수!
GridSearchCV로 최적의 파라미터를 찾을 수 있어요

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)

print(f"최적 파라미터: {grid_search.best_params_}")

sklearn.ensemble
랜덤 포레스트, AdaBoost 같은 앙상블 모델들이 여기 있어요
단일 모델보다 성능 좋을 때가 많아서 자주 써요

from sklearn.ensemble import RandomForestClassifier

rf_model = RandomForestClassifier(n_estimators=100)
rf_model.fit(X_train, y_train)

실제 개발 흐름은?

Scikit-Learn으로 머신러닝 프로젝트 진행할 때의 전형적인 흐름은 이래요

1. 데이터 준비

from sklearn.model_selection import train_test_split

X_train, X_test, y_train, y_test = train_test_split(
    X, y, test_size=0.2, random_state=42
)

2. 데이터 전처리

from sklearn.preprocessing import StandardScaler

scaler = StandardScaler()
X_train_scaled = scaler.fit_transform(X_train)
X_test_scaled = scaler.transform(X_test)

3. 모델 학습

from sklearn.svm import SVC

model = SVC(kernel='rbf', C=1.0)
model.fit(X_train_scaled, y_train)

4. 평가

from sklearn.metrics import accuracy_score, classification_report

predictions = model.predict(X_test_scaled)
print(f"정확도: {accuracy_score(y_test, predictions):.2f}")
print(classification_report(y_test, predictions))