꽃받침(Sepal)과 꽃잎(Petal)의 길이 너비로 세개의 품종을 분류하는 데이터셋

데이터셋 확인하기

scikit-learn 내장 데이터셋 가져오기

• scikit-learn은 머신러닝 모델을 테스트 하기위한 데이터셋을 제공한다.
  • 이런 데이터셋을 Toy dataset이라고 한다.
• 패키지 : sklearn.datasets
• 함수 : load_xxxx()

from sklearn.datasets import load_iris
iris = load_iris()

# input data
X = iris["data"]
X2 = iris.data
# output data
y = iris['target']
y2 = iris.target

print("각 feature(4개)가 어떤값인지 확인")
iris['feature_names']

print("각 feature(4개)가 어떤값인지 확인")
iris['feature_names']['sepal length (cm)', 'sepal width (cm)', 'petal length (cm)', 'petal width (cm)']

# output data (target, label)
import numpy as np
print("Shape:", y.shape) # (150: 데이터개수,)
print(y[:5])
print("y의 class-범주값 조회:", np.unique(y))

Shape: (150,)
[0 0 0 0 0]
y의 class-범주값 조회: [0 1 2]

### y의 범주값의 이름(단어어
iris.target_names

array(['setosa', 'versicolor', 'virginica'], dtype='<U10')

데이터 프레임으로 만들기

import pandas as pd
X = iris.data
y = iris.target
columns = [v.replace(" (cm)", "") for v in iris.feature_names]
target_names = iris.target_names

import pandas as pd
X = iris.data
y = iris.target
columns = [v.replace(" (cm)", "") for v in iris.feature_names]
target_names = iris.target_names

머신러닝을 이용한 예측

• 머신러닝으로 하려는 것은 컴퓨터가 데이터를 학습하여 규칙을 자동으로 만들도록 하는 것
• 이를 위해 DecisionTree(결정트리)를 이용해 머신러닝 구현
  - 1. import 모델
  - 2. 모델 생성
  - 3. 모델 학습시키기
  - 4. 예측

머신러닝 프로세스

# Train/Test data set으로 전체 dataset을 나누기.
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(
    X,                  # 나눌 입력데이터(Features)
    y,                  # 나눌 출력데이터(Target)
    test_size=0.2,      # 나눌 비율. test_size의 전체 대비 비율 지정.(정수:개수). train:test = 0.8:0.2
    stratify=y,         # 분류문제 데이터셋일 때 설정. class 별로 동일한 비율이 되도록 나눈다.  
    shuffle=True,       # 나누기 전에 데이터를 섞어준다. (default: True)
    random_state=0      # random seed 값 설정.
)

X.shape(), y.shape()

((150, 4), (150,))

X_train.shape, X_test.shape, y_train.shape, y_test.shape

((120, 4), (30, 4), (120,), (30,))

# 모델생성
tree2 = DecisionTreeClassifier()
# 모델학습
tree2.fit(X_train, y_train)

# 평가
from sklearn.metrics import accuarcy_score
pred = tree2.predict(X_test)
score = accuarcy_score(y_test, pred)
print("정확도:", score)

정확도: 0.9666666666666667

• 혼동행렬 (Confusion Matrix) 을 통해 확인
  • 모델이 예측한 결과와 실제 정답간의 개수를 표로 제공
  • 분류의 평가 지표로 사용된다.
  • sklearn.metrics 모듈의 confusion_matrix() 함수 이용
  • 결과 ndarray 구조
    • axis=0의 index: 정답(실제)의 class
    • axis=1의 index: 예측결과의 class
    • value: 개수(각 class별 정답/예측한 개수)

from sklearn.metrics import confusion_matrix
c_matrix = confusion_matrix(y_test, pred)

c_matrix

array([[10, 0, 0],
[ 0, 10, 0],
[ 0, 1, 9]], dtype=int64)

from sklearn.metrics import ConfusionMatrixDisplay
disp = ConfusionMatrixDisplay(c_matrix)
disp.plot(cmap="Blues")