머신러닝 13일차

-상관관계 파악시 corr()를 이용해서 다른 컬럼과 상관관계가 높은지를 파악하고 답에 대해서 쓸모가 있을지 판단
-결측치가 있을때 train&test를 pd.concat() 이용해서 합치고 접근해봐도 괜찮음
-feature/target을 살피기

딥러닝시작

분류용 선형모델 :

#1.문제정의
#와인 정보를 토대로 화이트 / 레드 와인을 구분해보자
#2.데이터수집
import pandas as pd
wine=pd.read_csv("data/wine.csv")
wine.head()
lumns
wine.columns
# kind = 와인의 종류 : 0 red wine, 1 white wine
#3.데이터전처리 이미 마친상태
#4.탐색적 데이터 분석(EDA)
#5.모델 선택 및 하이퍼 파라미터 튜닝
# 데이터 분리
X = wine.iloc[:,:-1] #문제 데이터
y = wine.iloc[:,-1] #정답 데이터
,
from sklearn.model_selection import train_test_split
X_train, X_test , y_train, y_test = train_test_split(X,y,test_size=0.3,
                                                    random_state=42)
hape
X_train.shape
5
# 선형 분류  > LogisticRegression(로지스틱회귀)
from sklearn.linear_model import LogisticRegression
lr = LogisticRegression(penalty='l2', # 규제 (L1, L2)
                       max_iter=500, # 최대 학습 횟수
                       C = 0.1,     # 규제 강도의 역수
                       verbose=1) 
#6.학습
lr
lr.fit(X_train,y_train)
#7.평가
print(lr.score(X_train,y_train))
print(lr.score(X_test,y_test))
# svm(Support vector machine)
from sklearn.svm import LinearSVC
svm = LinearSVC(C=0.1)
svm.fit(X_train,y_train)
print(svm.score(X_train,y_train))
print(svm.score(X_test,y_test))