| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | 6 | |
| 7 | 8 | 9 | 10 | 11 | 12 | 13 |
| 14 | 15 | 16 | 17 | 18 | 19 | 20 |
| 21 | 22 | 23 | 24 | 25 | 26 | 27 |
| 28 | 29 | 30 |
Tags
- 비지니스영어
- 자바
- db
- 유럽여행
- JavaScript
- oracle
- SAP ERP
- Programming
- SAP
- 오라클
- Java
- 딥러닝
- 파이썬
- ABAP
- 영어
- sap mm
- Python
- nodejs
- 노드
- 자바스크립트
- Spring Framework
- IT
- Oracle DB
- 오라클 디비
- 도커
- 머신러닝
- Mac
- SAP ABAP
- node.js
- docker
Archives
- Today
- Total
JIHYUN JEONG
[1장-소개] 파이썬 라이브러를 활용한 머신러닝 - 붓꽃예제 본문
(개정판)파이썬 라이브러리를 활용한 머신러닝¶
In [0]:
# 첫 번쨰 애플리케이션: 붓꽃의 품종 분류
# 분류 문제
# 클래스: 출력될 수 있는 값(붓꽃의 종류)
# 레이블(Label): 출력 Y, 품종
In [0]:
# 데이터 적재
from sklearn.datasets import load_iris
iris_dataset = load_iris()
In [3]:
# Bunch 클래스의 객체, iris_dataset
# 키와 값으로 구성
print("iris_dataset의 키:\n", iris_dataset.keys())
In [4]:
# DESCR 키에는 데이터셋에 대한 간략한 설명이 들어 있습니다.
print(iris_dataset['DESCR'][:193]+"\n..")
In [5]:
# traget_names의 값은 우리가 예측하려는 붓꽃 품종의 이름을 문자열 배열로 가지고 있습니다.
print('타깃의 이름', iris_dataset['target_names'])
In [6]:
# feater_names의 값은 각 특성을 설명하는 문자열 리스트 입니다.
print("특성의 이름:\n", iris_dataset['feature_names'])
In [7]:
# 실제 데이터는 target과 data 필드에 들어 있습니다.
# data는 꽃잎의 길이와 폭, 꽃받침의 길이와 폭을 수치고 값을 가지고 있는 NumPy배열
print("data의 타입:", type(iris_dataset['data']))
In [8]:
# data배열의 행은 개개의 꽃이 되며 열은 각 꽃에서 구한 네 개의 측정치 입니다.
print("data의 크기:", iris_dataset['data'].shape)
In [9]:
# 이 배열은 150개의 붓꽃 데이터를 가지고 있습니다.
iris_dataset['data']
Out[9]:
In [10]:
# 머신러닝에서 각 아이템은 '샘플', 속성은 '특성' 이라고 부름
# data 배열의 크기는 샘플의 수에 특성의 수를 곱한 값
print("data의 처음 다섯 행:\n", iris_dataset['data'][:5])
In [0]:
# 다섯 붓꽃의 꽃잎 폭은 모두 0.2cm 이고, 첫 번쨰 꽃이 가장 긴 5.1cm의 꽃받침을 가졌음.
In [12]:
# target 배열도 샘플 붓꽃의 품종을 담은 NumPy배열입니다.
print("target의 타입:", type(iris_dataset['target']))
In [13]:
# target은 각 원소가 붓꽃 하나에 해당하는 1차원 배열
print("target의 크기:", iris_dataset['target'].shape)
In [14]:
# 붗꽃의 종류는 0에서 2까지의 정수로 기록
print("타깃:\n", iris_dataset['target'])
In [0]:
# 숫자의 의미는 iris_dataset[target_names] 배열에서 확인 할 수 있음.
# 0은 setosa
# 1은 versicolor
# 2는 virginica
In [0]:
# 성과 측정: 훈련 데이터와 테스트 데이터
# 레이블된 데이터(150개의 붓꽃 데이터)를 두 그룹으로 나눔.
# 하나는 머신러닝 모델을 만들 떄 사용, 훈련데이터 혹은 훈련 세트
# 나머지는 모델이 얼마나 잘 작동하는지 측정하는 데 사용, 이를 테스트 데이터, 테스트 세트 or 홀드아웃 세트
# 사이킷런은 데이터를 섞어서 나눠주는 train_test_split 함수를 제공
# 이 함수는 전체 행중 75%를 레이블 데이터와 함께 훈련 세트로 뽑음
# 나머지 25%는 레이블 데이터와 함께 테스트 세트
# 훈련/테스트 세트 나누는건 다 다르지만, 전체의 25%를 테스트 세트로 사용하는 것은 일반적으로 좋은 선택
In [0]:
# X: 데이터
# y: 레이블
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(
iris_dataset['data'], iris_dataset['target'], random_state=0)
In [18]:
# train_test_split 함수로 데이터를 나누기 전에 유사 난수 생성기를 사용해
# 데이터셋을 무작위로 섞어야 함.
# 이 함수르 여러 번 실행해도 결과가 똑같이 나오도록 유사 난수 생성기에 넣을 난수
# 초깃값을 random_state에 매개변수로 전달합니다. 이렇게 하면 항상 같은 결과를 출력합니다.
# 난수를 사용할 때는 항상 이렇게 random_state를 고정할 것
# train_test_split 함수의 반환값은 X_train, X_test, y_train, y_test 이며 모두
# NumPy 배열 입니다.
# 전체 데이터셋의 75%를, X_test는 나머지 25%를 담고 있습니다.
print("X_train 크기:", X_train.shape)
print("y_train 크기:", y_train.shape)
In [19]:
print("X_test 크기:", X_test.shape)
print("y_test 크기:", y_test.shape)
In [0]:
# 가장 먼 저 할 일: 데이터 살펴보기
# 시각화는 데이터를 조사하는 아주 좋은 방법, 산점도가 그중 하나.
In [21]:
# X_train 데이터를 사용해서 데이터프레임을 만듭니다.
# 열의 이름은 iris_dataset.feture_names에 있는 문자열을 사용합니다.
!pip install mglearn
import pandas as pd
import mglearn
iris_dataframe = pd.DataFrame(X_train, columns=iris_dataset.feature_names)
# 데이터 프레임을 사용해 y_train에 따라 색으로 구분된 산점도 행렬을 만듭니다.
pd.plotting.scatter_matrix(iris_dataframe, c=y_train, figsize=(12,12), marker='o',
hist_kwds={'bins':20}, s=60, alpha=.8, cmap=mglearn.cm3)
Out[21]:
In [0]:
# 그래프를 보면 세 클래스가 꽃잎과 꽃받침의 측정값에 따라 비교적 잘 구분되는 것을 알 수 있음.
# 이것으로 보아 클래스를 잘 구분하도록 머신런닝 모델을 학습시킬 수 있을 것
In [0]:
# 첫 번째 머신러닝 모델: k-최근접 이웃 알고리즘
# k-최근접 이웃 분류기 사용
# 이 모델은 단순히 훈련 데이터를 저장하여 만들어짐.
# k-최근접 이웃 알고리즘에서 k는 가장 가까운 이웃 '하나'가 아니라 훈련 데이터에서 새로운 데이터 포인트에
# 가장 가까운 'k개'의 이웃을 찾는다는 뜻(예를 들면 가장 가까운 세 개 혹은 다섯 개의 이웃)
# 그런 다음 이 이웃들의 클래스 중 빈도가 가장 높은 클래스를 예측값으로 사용합니다.
# 지금은 하나의 이웃만 사용하겠습니다.
# scikit-learn의 모든 머신러닝 모델은 Estimator라는 파이썬 클래스로 각각 구현 되어 있습니다.
# k-최근접 이웃 분류 알고리즘은 neighbors 모듈 아래 KNeighborsClassifier 클래스에 구현 되어 있습니다.
# 모델을 사용하려면 클래스로부터 객체를 만들어야 합니다.
# 이때 모델에 필요한 매개변수를 넣습니다. KNeighborsClassifier에서 가장 중요한 매개변수는 이웃의 개수 입니다.
# 우리는 1로 지정하겠습니다.
from sklearn.neighbors import KNeighborsClassifier
knn = KNeighborsClassifier(n_neighbors=1)
In [0]:
# knn 객체는 훈련 데이터로 모델을 만들고 새로운 데이터 포인트에 대해 예측하는 알고리즘을 캡슐화한것
# 또한 알고리즘이 훈련 데이터로부터 추출한 정보를 담고 있음.
# KNeighborsClassifier의 경우는 훈련 데이터 자체를 저장하고 있음.
In [25]:
# 훈련 데이터셋으로부터 모델을 만들려면 knn 객체의 fit 메서를 사용
# 이 메서드는 훈련 데이터인 NumPy 배열 X_train과 훈련 데이터의 레이블을 담고 있는 y_train을 매개변수로 받음
knn.fit(X_train, y_train)
Out[25]:
In [0]:
# fit 메서드는 knn 객체 자체를 반환 합니다.(그리고 knn 객체 자체를 변경 시킵니다)
# 그래서 knn객체가 문자열 행태로 출력됩니다.
In [27]:
# 1.7.5 예측하기
# 이제 이 모델을 사용해서 정확한 레이블을 모르는 새 데이터에 대해 예측을 만들 수 있습니다.
# 꽃받침의 길이가 5cm, 폭이 2.9cm, 꽃임의 길이 1cm, 폭이 0.2cm 인 붓꽃을 보았다고 합시다.
# 이 붓꽃의 품종은 무엇일까요?
import numpy as np
X_new = np.array([[5, 2.9, 1, 0.2]])
print("X_nex.shape:", X_new.shape)
In [28]:
# 붓꽃 하나의 측정값은 2차원 NumPy배열에 행으로 들어갑니다.
# scikit-learn은 항상 데이터가 2차원 배열일 것으로 예상합니다.
# 예측에는 knn 객체의 predict 메서드를 사용합니다.
prediction = knn.predict(X_new)
print("예측:", prediction)
print("예측한 타깃의 이름:",
iris_dataset['target_names'][prediction])
In [0]:
# 우리가 만든 모델이 새로운 붓꽃을 setosa 품종을 의미하는 클래스 0으로 예측함.
# 그런데 어떻게 이 모델의 결과를 신뢰할 수 있을까요?
# 이 샘플의 정확한 품종을 모른다는 사실이 모델을 구축하는 데 있어서 중요한 의미를 가집니다.
In [30]:
# 1.7.6 모델 평가하기
# 앞서 만든 테스트 세트를 사용할 떄 가 왔음.
# 테스트 데이터 있는 붓꽃의 품종을 예측하고 실제 레이블(품종)과 비교할 수 있습니다.
# 얼마나 많은 붓꽃 품종이 정확히 맞았는지 '정확도'를 계산하여 모델의 성능을 평가합니다.
y_pred = knn.predict(X_test)
print("테스트 세트에 대한 예측값:\n", y_pred)
In [31]:
print("테스트 세트의 정확도: {:.2f}".format(np.mean(y_pred == y_test)))
In [32]:
print(y_pred)
print(y_test)
In [33]:
# 또 knn 객체의 socre 메서드로도 테스트 세트의 정확도를 계산 할 수 있습니다.
print("테스트 세트의 정확도: {:.2f}".format(knn.score(X_test, y_test)))
In [0]:
# 이 모델의 테스트 세트에 대한 정확도는 약 0.97 입니다.
# 97%의 품종을 정확히 맞혔다는 뜻.
In [0]:
# 1.8 요약 및 정리
# 품종을 구분해놓은 데이터셋을 사용 -> 지도학습
# 품종이 세 개이므로 세개의 클래스를 분류하는 문제
'Data Science > Machine&Deep Learning' 카테고리의 다른 글
| [Data science/데이터과학] 문제 정의와 데이터 수집 및 준비 (0) | 2018.12.17 |
|---|---|
| 파이썬을 이용한 머신러닝, 딥러닝 실전 개발 입문 스터디 (0) | 2017.12.23 |
| [01] 머신러닝, 크롤링, 스크레이핑 정의 (0) | 2017.08.28 |
'Data Science/Machine&Deep Learning' Related Articles
more
Comments