007 setup() 함수 기본 이해

키워드: setup, 전처리, 기본

개요

setup() 함수는 PyCaret의 핵심입니다. 이 함수 하나로 데이터 전처리, 학습/테스트 분할, 특성 타입 추론 등 머신러닝 파이프라인의 기초를 자동으로 설정합니다. 이 글에서는 setup() 함수의 역할과 기본 사용법을 상세히 알아보겠습니다.

실습 환경

• Python 버전: 3.11 권장
  • Python 3.11은 2027년 말까지 지원되며, PyCaret 호환 최신 버전입니다.
• 필요 패키지: pycaret[full]>=3.0, pandas, matplotlib

pip install pycaret[full]>=3.0 pandas matplotlib

Google Colab 사용 불가 Google Colab은 2025년 8월부터 Python 3.12만 지원하여 PyCaret(3.8~3.11) 실습이 불가능합니다. 로컬 환경이나 Docker를 사용해 주세요.

setup() 함수란?

setup() 함수는 PyCaret 워크플로우의 첫 단계입니다. 이 함수가 수행하는 작업:

1. 데이터 타입 추론: 수치형/범주형 자동 판별
2. 결측치 처리: 자동 대체 (imputation)
3. 인코딩: 범주형 변수 인코딩
4. 데이터 분할: 학습/테스트 세트 분리
5. 실험 환경 초기화: 랜덤 시드, 로깅 등 설정

기본 사용법

최소 필수 인자

from pycaret.classification import *
from pycaret.datasets import get_data

# 007 데이터 로드
data = get_data('titanic')

# 007 기본 setup
clf = setup(data=data, target='Survived')

실행 결과

setup() 실행 시 자동으로 데이터 분석 결과가 표시됩니다:

               Description              Value
0                 Session id                42
1                     Target           Survived
2                Target type             Binary
3               Original data shape    (891, 12)
4          Transformed data shape    (891, 12)
5     Transformed train set shape    (623, 12)
6      Transformed test set shape    (268, 12)
7                  Numeric features              6
8              Categorical features              5
...

주요 파라미터

1. 필수 파라미터

clf = setup(
    data=data,        # DataFrame: 학습 데이터
    target='Survived' # str: 타겟 컬럼명
)

2. 재현성 설정

clf = setup(
    data=data,
    target='Survived',
    session_id=42     # 랜덤 시드 고정 (재현성 보장)
)

3. 데이터 분할 비율

clf = setup(
    data=data,
    target='Survived',
    train_size=0.8,   # 학습 데이터 80%, 테스트 20%
    session_id=42
)

4. 출력 제어

clf = setup(
    data=data,
    target='Survived',
    verbose=False,    # 상세 출력 끄기
    session_id=42
)

5. 특정 컬럼 무시

clf = setup(
    data=data,
    target='Survived',
    ignore_features=['PassengerId', 'Name', 'Ticket'],  # 학습에서 제외
    session_id=42
)

자동 전처리 과정

1. 데이터 타입 추론

PyCaret은 컬럼의 값을 분석하여 자동으로 타입을 결정합니다:

clf = setup(data=data, target='Survived', session_id=42)

# 007 추론된 타입 확인
print(clf.pipeline)

추론 규칙:

• 숫자만 있으면 → 수치형 (Numeric)
• 문자열이 있으면 → 범주형 (Categorical)
• 고유 값이 많은 숫자 → 수치형
• 고유 값이 적은 숫자 → 범주형으로 처리 가능

2. 타입 수동 지정

자동 추론이 맞지 않을 때:

clf = setup(
    data=data,
    target='Survived',
    categorical_features=['Pclass'],  # 수치형이지만 범주형으로 처리
    numeric_features=['Age'],          # 명시적으로 수치형 지정
    session_id=42
)

3. 결측치 자동 처리

# 007 기본 결측치 처리 (자동)
# 007 - 수치형: 평균(mean)으로 대체
# 007 - 범주형: 최빈값(mode)으로 대체

clf = setup(
    data=data,
    target='Survived',
    session_id=42
)

4. 인코딩 자동 처리

범주형 변수는 자동으로 인코딩됩니다:

• One-Hot Encoding: 기본값
• Ordinal Encoding: 순서가 있는 범주

실전 예제: 타이타닉

from pycaret.classification import *
from pycaret.datasets import get_data

# 007 데이터 로드
data = get_data('titanic')

# 007 데이터 확인
print("원본 데이터:")
print(data.info())
print("\n결측치:")
print(data.isnull().sum())

# 007 setup 실행
clf = setup(
    data=data,
    target='Survived',
    ignore_features=['PassengerId', 'Name', 'Ticket', 'Cabin'],
    categorical_features=['Pclass'],  # 숫자지만 범주형으로 처리
    session_id=42,
    verbose=True
)

# 007 setup 결과 확인
print("\nsetup 완료!")
print(f"학습 데이터: {clf.X_train.shape}")
print(f"테스트 데이터: {clf.X_test.shape}")

출력:

원본 데이터:
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 891 entries, 0 to 890
Data columns (total 12 columns):
 #   Column       Non-Null Count  Dtype
---  ------       --------------  -----
 0   PassengerId  891 non-null    int64
 1   Survived     891 non-null    int64
 2   Pclass       891 non-null    int64
 3   Name         891 non-null    object
 4   Sex          891 non-null    object
 5   Age          714 non-null    float64  <- 결측치 있음
 6   SibSp        891 non-null    int64
 7   Parch        891 non-null    int64
 8   Ticket       891 non-null    object
 9   Fare         891 non-null    float64
 10  Cabin        204 non-null    object   <- 결측치 많음
 11  Embarked     889 non-null    object   <- 결측치 있음

결측치:
PassengerId      0
Survived         0
Pclass           0
Name             0
Sex              0
Age            177
SibSp            0
Parch            0
Ticket           0
Fare             0
Cabin          687
Embarked         2

setup 완료!
학습 데이터: (623, 7)
테스트 데이터: (268, 7)

setup() 반환값 활용

setup()은 실험 객체를 반환합니다. 이를 통해 다양한 정보에 접근할 수 있습니다:

clf = setup(data=data, target='Survived', session_id=42)

# 007 전처리된 데이터 접근
X_train = clf.X_train
X_test = clf.X_test
y_train = clf.y_train
y_test = clf.y_test

# 007 데이터세트 정보
print(f"전체 특성: {clf.X.columns.tolist()}")
print(f"수치형 특성: {clf.numeric_features}")
print(f"범주형 특성: {clf.categorical_features}")

# 007 파이프라인 확인
print(clf.pipeline)

get_config()로 설정 확인

from pycaret.classification import get_config

# 007 현재 설정 확인
print(get_config('X_train').shape)   # 학습 데이터 크기
print(get_config('y_train').shape)   # 학습 타겟 크기
print(get_config('seed'))            # 랜덤 시드
print(get_config('target_param'))    # 타겟 컬럼명

모듈별 setup() 차이

모든 모듈의 setup()은 동일한 기본 구조를 갖지만, 일부 파라미터가 다릅니다:

분류 (Classification)

from pycaret.classification import setup
clf = setup(data, target='label')

회귀 (Regression)

from pycaret.regression import setup
reg = setup(data, target='price')

클러스터링 (Clustering)

from pycaret.clustering import setup
clust = setup(data)  # 타겟 없음!

이상치 탐지 (Anomaly Detection)

from pycaret.anomaly import setup
ano = setup(data)  # 타겟 없음!

시계열 (Time Series)

from pycaret.time_series import setup
ts = setup(data, target='sales', fh=12)  # fh: 예측 기간

정리

• setup()은 PyCaret 워크플로우의 필수 첫 단계입니다.
• 데이터 타입 추론, 결측치 처리, 인코딩, 데이터 분할을 자동 수행합니다.
• session_id를 설정하면 재현 가능한 실험이 됩니다.
• ignore_features로 불필요한 컬럼을 제외할 수 있습니다.
• categorical_features, numeric_features로 타입을 명시적으로 지정할 수 있습니다.

다음 글 예고

다음 글에서는 setup() 전처리 옵션 - 결측치 처리에 대해 알아보겠습니다. 다양한 결측치 대체 방법과 옵션을 상세히 다룹니다.

---

PyCaret 머신러닝 마스터 시리즈 #007