01. 머신러닝 시작하기, KNN 알고리즘

기존 프로그래밍에서...

# 35마리의 도미의 길이
bream_length = [25.4, 26.3, ...] 
# 35마리의 도미의 무게
bream_weight = [242.0, 290.0, 340.0, ...] 

# 14마리의 빙어의 길이
smelt_length = [9.8, 10.5, 10.6, ...] 
# 14마리의 빙어의 길이
smelt_weight = [6.7, 7.5, 7.0, ...]

물고기의 몸무게와 길이 정보를 통해, 우리는 이 물고기가 빙어인지, 도미인지 확인하고자 하는 프로그램이 필요하다.

기존 코드를 짤때,

도미는 30cm보다 크다

라는 정보와 함께

fish_length = 31
if fish_length > 30:
	print("도미입니다")

와 같은 코드를 짤 수 있을것이다.
하지만 실제로도 위와 같은 코드로 도미를 구분 할 수 없다.
그렇기에 머신러닝을 통해 위와같은 문제를 해결하고자 한다.

데이터 준비

import matplotlib.pyplot as plt

plt.scatter(bream_length, bream_weight)
plt.scatter(smelt_length, smelt_weight)
plt.xlabel('length')
plt.ylabel('weight')
plt.show()

위처럼 파란 점에는 도미, 주황 점에는 빙어가 분포함을 볼 수 있다.

머신러닝 생성

우리 위 데이터를 머신러닝에 사용하기 위해 2차원 배열의 형태로 저장할것이다.

분류(0:빙어,1:도미)	길이	무게
0	9.8	6.7
0	11.8	7.5
...	...	...
1	25.4	242
...	...	...

length = bream_length + smelt_length1
weight = bream_weight + smelt_weight

# 특성을 저장
fish_data = [[l,w] for l,w in zip(length, weight)]
# 타겟을 저장
fish_target = [1]*35 + [0]*14

여기서 길이와 무게를 특성이라고 한다

K-Nearest Neighbor

위 예시에서, 특정 점에 가장 가까운 n개의 샘플을 이웃(neighbor)라고 설정한다.
이때 더 가까운 분류로 값을 판단한다

from sklearn.neighbors import KNeighborsClassifier

kn = KNeighborsClassifier()

kn.fit(fish_data, fish_target) # 훈련
print(kn.score(fish_data, fish_target)) # 1.0
print(kn.predict([[4,17]]))# 0. 빙어라는 뜻