KNN 분류 모델 프로토타입, 알고리즘 암기 없이 내 컴퓨터에서 직접 빌드하기

머신러닝을 시작할 때 가장 흔한 함정은 "알고리즘을 먼저 다 이해하고 코드를 짜야 한다"는 생각이다. 하지만 실제로 작동하는 KNN 기반 분류 모델 프로토타입은 수식을 전부 외우지 않아도 지금 당장 내 컴퓨터에서 돌릴 수 있다. 이 글은 그 구체적인 경로를 다룬다.

이론 암기보다 프로토타입 먼저 만들어야 하는 이유

입문 단계에서 이론을 너무 오래 붙잡으면 실제로 모델이 어떻게 작동하는지 감이 잡히지 않는다. 머신러닝은 개념을 읽는 것과 데이터를 넣고 예측 결과를 직접 보는 것 사이에 큰 간극이 있다. 프로토타입을 먼저 만들면 그 간극을 빠르게 좁힐 수 있다.

이론 학습과 실습을 병행할 때 실용적인 원칙이 있다. scikit-learn 공식 문서(scikit-learn.org)에서도 강조하듯, 라이브러리의 설계 철학 자체가 "알고리즘 내부 구현을 몰라도 일관된 인터페이스로 모델을 실험할 수 있도록" 만들어져 있다. 즉, fit → predict 두 단계로 어떤 알고리즘이든 동일한 구조로 써볼 수 있다.

주니어 개발자에게 이 순서가 중요한 건 피드백 루프 때문이다. 코드를 돌리고 예측값을 보고 "왜 이 결과가 나왔지?"라는 질문이 생길 때, 비로소 이론이 맥락을 갖게 된다. 질문이 없는 상태에서 읽는 이론은 금방 증발한다.

입문 프로젝트로 KNN과 로지스틱 회귀를 고르는 기준은?

모든 알고리즘이 입문 프로젝트에 적합한 건 아니다. 아래 기준으로 비교하면 KNN과 로지스틱 회귀가 왜 입문 단계에 어울리는지 명확해진다.

기준	KNN	로지스틱 회귀	딥러닝(신경망)
수학적 사전 지식	거리 개념만 필요	확률·로그 기초	선형대수·미적분
코드 복잡도	낮음	낮음	높음
과적합 위험	중간	낮음	높음
결과 해석 용이성	직관적	계수로 해석 가능	어려움
입문 데이터셋 적합성	매우 높음	매우 높음	낮음

KNN(K-최근접 이웃)은 "새 데이터와 가장 가까운 K개의 학습 데이터를 찾아 다수결로 분류한다"는 아이디어 하나로 작동한다. 유클리드 거리라는 개념만 알면 내부 메커니즘을 시각화할 수 있다. 이게 입문자에게 결정적인 장점이다.

로지스틱 회귀는 "이 데이터가 클래스 A에 속할 확률이 얼마인가?"를 직접 출력한다. 예측 결과가 확률값으로 나오기 때문에 "왜 이 예측이 나왔는지"를 학습 초반부터 해석하는 연습을 할 수 있다.

두 모델 모두 scikit-learn에서 동일한 fit/predict 인터페이스를 쓴다. KNN으로 시작해서 로지스틱 회귀로 교체하는 데 코드 한 줄 수준의 차이밖에 없다. 이 교체 실험 자체가 "알고리즘 선택이 성능에 어떤 영향을 미치는지" 체감하는 최초의 설계 결정이 된다.

첫 KNN 프로젝트의 데이터와 목표를 어떻게 정의할까?

프로젝트 정의는 데이터셋 선택에서 시작한다. 입문 단계에서 좋은 데이터셋의 조건은 단순하다.

클래스가 명확히 구분된 분류 문제여야 한다. 꽃 품종(Iris), 유방암 진단(Breast Cancer), 손글씨 숫자(MNIST 서브셋) 등이 대표적이다.
결측값이 없거나 거의 없는 데이터로 시작해야 전처리 부담 없이 모델 자체에 집중할 수 있다.
피처(특성)가 4~10개 수준이면 이상적이다. 너무 적으면 의미 있는 패턴을 배우기 어렵고, 너무 많으면 KNN에서 차원의 저주 문제가 생긴다.

scikit-learn에는 이 조건을 모두 만족하는 데이터셋이 datasets 모듈에 내장돼 있다. 별도 파일 다운로드 없이 바로 불러올 수 있어서 환경 셋업 문제로 시간을 낭비하지 않는다.

목표는 명확하게 정한다. "붓꽃 데이터에서 꽃잎 길이·너비 정보를 기반으로 3가지 품종을 분류하는 KNN 모델 프로토타입을 만든다." 이 한 문장이 프로젝트 범위를 정의한다. 정확도를 높이는 것은 그 다음 단계다.

모두의AI 플레이그라운드로 피드백 루프를 어떻게 짧게 만들까?

코드를 로컬에 처음 세팅하는 과정은 생각보다 막히는 지점이 많다. Python 버전 충돌, 가상환경 설정, 패키지 설치 오류 — 이 장벽들이 실제 학습 시작 전에 의욕을 꺾는다.

모두의AI 머신러닝 기초 플레이그라운드는 이 셋업 문제를 건너뛰게 해준다. 브라우저에서 바로 코드를 실행하고, 모델 파라미터를 바꿔가며 결과를 즉시 확인할 수 있는 환경이다. K값을 3으로 설정했을 때와 7로 설정했을 때 결정 경계가 어떻게 달라지는지, 시각화와 함께 보면서 개념을 체화하는 방식이다.

로컬 환경이 완성된 이후에도 플레이그라운드를 병행하는 게 유용하다. 빠른 실험이 필요할 때 환경 걱정 없이 아이디어를 바로 테스트할 수 있기 때문이다.

첫 KNN 코드를 실행하고 예측을 도출하는 단계별 과정

아래는 실제로 로컬 Python 환경(Python 3.8 이상, scikit-learn 설치 완료 기준)에서 실행 가능한 전체 흐름이다.

1단계 — 데이터 불러오기와 분할

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

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

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

train_test_split은 전체 데이터를 학습용과 테스트용으로 나눈다. test_size=0.2는 20%를 테스트에 쓰겠다는 의미다. random_state=42는 매번 같은 방식으로 나뉘도록 고정하는 시드값이다.

2단계 — KNN 모델 학습

from sklearn.neighbors import KNeighborsClassifier

model = KNeighborsClassifier(n_neighbors=5)
model.fit(X_train, y_train)

n_neighbors=5는 K값, 즉 새 데이터를 분류할 때 참고할 이웃 데이터의 수다. 이 숫자를 바꾸는 것만으로 모델 동작이 달라진다.

3단계 — 예측 결과 확인

predictions = model.predict(X_test)
print(predictions)
print(y_test)

출력된 두 배열을 나란히 보면 어디서 맞고 어디서 틀렸는지 직접 확인할 수 있다. 정확도 수치보다 이 비교가 먼저다.

4단계 — 정확도 측정과 파라미터 비교

from sklearn.metrics import accuracy_score

acc = accuracy_score(y_test, predictions)
print(f"KNN (K=5) 정확도: {acc:.2f}")

K값을 1, 3, 5, 7, 11로 바꿔가며 같은 코드를 돌려본다. K가 작을수록 학습 데이터에 민감하게 반응하고, K가 커질수록 결정 경계가 부드러워진다. 이 변화를 직접 숫자로 보는 것이 KNN의 bias-variance 트레이드오프를 체감하는 가장 빠른 방법이다.

5단계 — 로지스틱 회귀로 교체해보기

from sklearn.linear_model import LogisticRegression

lr_model = LogisticRegression(max_iter=200)
lr_model.fit(X_train, y_train)
lr_acc = accuracy_score(y_test, lr_model.predict(X_test))
print(f"로지스틱 회귀 정확도: {lr_acc:.2f}")

모델 클래스 이름 하나만 바꿨다. fit과 predict 인터페이스는 동일하다. 두 모델의 결과를 나란히 놓고 비교하는 것 자체가 "알고리즘 선택 실험"이라는 머신러닝의 핵심 사고방식을 익히는 과정이다.

자주 묻는 질문

Python과 scikit-learn을 처음 설치할 때 어떤 순서로 진행해야 할까?

Anaconda 배포판을 설치하면 Python, scikit-learn, numpy, pandas가 한 번에 세팅된다. 개별 패키지 설치 충돌을 피하는 가장 안정적인 방법이다. 설치 후 conda create -n ml_env python=3.10 명령으로 독립된 가상환경을 만들고 그 안에서 작업하면 패키지 간 충돌을 원천 차단할 수 있다.

KNN에서 K값을 얼마로 설정하는 것이 좋은 시작점일까?

정답은 없지만, K=5가 일반적인 출발점이다. K가 너무 작으면(K=1) 노이즈 데이터 하나에도 결과가 흔들리고, 너무 크면 서로 다른 클래스가 뒤섞인다. 홀수를 쓰면 동점 상황을 피할 수 있다는 실용적인 이유도 있다. 데이터 크기의 제곱근 근처 값을 K 탐색 범위의 기준으로 삼는 경험칙도 있다.

입문 프로젝트에서 정확도 외에 어떤 지표를 봐야 할까?

정확도는 클래스가 균등하게 분포된 데이터에서는 유효하지만, 불균형 데이터에서는 오해를 준다. confusion matrix(혼동 행렬)를 먼저 보는 습관을 들이는 게 좋다. 어떤 클래스를 어떤 클래스로 착각하는지 패턴이 보이면, 그 다음 개선 방향이 잡힌다.

로컬 환경 없이도 머신러닝 프로젝트를 실습할 수 있을까?

가능하다. Google Colab은 브라우저에서 Python과 scikit-learn을 바로 실행할 수 있는 환경을 무료로 제공한다. 모두의AI 플레이그라운드도 셋업 없이 핵심 개념을 실험하는 데 적합하다. 로컬 환경은 실습이 어느 정도 익숙해진 뒤에 세팅해도 늦지 않다.

KNN 프로토타입이 완성된 다음 어떤 방향으로 심화해야 할까?

전처리 파이프라인(특성 정규화, 결측값 처리)과 교차 검증(cross-validation)이 다음 단계다. KNN은 피처 스케일에 민감해서, StandardScaler로 정규화하기 전과 후를 비교하는 실험이 자연스러운 심화 과제가 된다. 그 다음에 Random Forest나 SVM으로 넘어가면 알고리즘 비교 실험 능력이 생긴다.

모든 알고리즘을 이해하고 나서 시작하겠다는 생각은 실제로는 시작을 미루는 것과 같다. KNN 분류 모델 프로토타입 하나를 내 컴퓨터에서 직접 돌려보고, K값을 바꾸고, 다른 알고리즘으로 교체해보는 경험이 쌓이면 — 이론은 그 경험 위에서 훨씬 빠르게 자리를 잡는다. 모두의AI 머신러닝 기초 플레이그라운드에서 셋업 없이 이 과정을 먼저 체험해보고, 로컬 환경으로 확장하는 순서를 권한다.

더 보기: mdooai.com