분류 문제

• 여러개의 종류(class) 중 하나를 구별해 내는 문제
• 2 개의 클래스 중 하나를 고르는 문제 ⇒ 이진분류 (binary classification)

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import os

생선 분류 문제

• 생선 데이터 셋

  https://www.kaggle.com/datasets/vipullrathod/fish-market  (2024.03 현재)

• 데이터 불러오기

base_path = r'~~'
file_path = os.path.join(base_path,'fish.csv')
fish_df = pd.read_csv(file_path)

	Species	Weight	Length	Diagonal	Height	Width
0	Bream	242.0	25.4	30.0	11.5200	4.0200
1	Bream	290.0	26.3	31.2	12.4800	4.3056
2	Bream	340.0	26.5	31.1	12.3778	4.6961
3	Bream	363.0	29.0	33.5	12.7300	4.4555
4	Bream	430.0	29.0	34.0	12.4440	5.1340

• info 확인하기

fish_df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 159 entries, 0 to 158
Data columns (total 6 columns):

Column Non-Null Count Dtype

---

0 Species 159 non-null object
1 Weight 159 non-null float64
2 Length 159 non-null float64
3 Diagonal 159 non-null float64
4 Height 159 non-null float64
5 Width 159 non-null float64
dtypes: float64(5), object(1)
memory usage: 7.6+ KB

• 컬럼 정보

  컬럼 정보
   Species  생선의 종류 (분류형)
   Weight   생선의 무게 (수치형)
   Length   생선의 길이 (수치형)
   Diagonal 생선의 대각선 길이 (수치형)
   Height   생선의 크기 (수치형)
  
  +..
  
  - Perch '농어'
  - Bream '도미'
  - Roach '로치, Common Roach 잉어과 담수어'
  - Pike '강꼬치고기, Northern pike'
  - Smelt '빙어'
  - Parkki '청돔'
  - Whitefish '송어'

• 종들 확인

fish_df.Species.unique()

array(['Bream', 'Roach', 'Whitefish', 'Parkki', 'Perch', 'Pike', 'Smelt'],
dtype=object)

• 종들 count 확인

fish_df.Species.value_count()

	count
Species
Perch	56
Bream	35
Roach	20
Pike	17
Smelt	14
Parkki	11
Whitefish	6

Fish(생선) 분류문제

• 생선의 길이와 무게만으로 생선의 종류를 자동으로 분류 가능할까?
  • Bream 과 Smelt 를 분류해보기

Bream과 Smelt 데이터 준비

• Bream 35 마리 데이터 준비

#길이
bream_length=fish_df[fish_df.Species == 'Bream']['Length'].to_list()
bream_length

#무게
bream_weight=fish_df[fish_df.Species == 'Bream']['Weight'].to_list()

>[25.4, 26.3, 26.5, 29.0, 29.0, 29.7, 29.7, 30.0, 30.0, 30.7, 31.0, 31.0, 31.5, 32.0, 32.0, 32.0, 33.0, 33.0, 33.5, 33.5, 34.0, 34.0, 34.5, 35.0, 35.0, 35.0, 35.0, 36.0, 36.0, 37.0, 38.5, 38.5, 39.5, 41.0, 41.0]
[242.0, 290.0, 340.0, 363.0, 430.0, 450.0, 500.0, 390.0, 450.0, 500.0, 475.0, 500.0, 500.0, 340.0, 600.0, 600.0, 700.0, 700.0, 610.0, 650.0, 575.0, 685.0, 620.0, 680.0, 700.0, 725.0, 720.0, 714.0, 850.0, 1000.0, 920.0, 955.0, 925.0, 975.0, 950.0]

• Smelt 14 마리 데이터 준비

# 빙어 14 마리

#길이
smelt_length=fish_df[fish_df.Species == 'Smelt']['Length'].to_list()
smelt_length

#무게
smelt_weight=fish_df[fish_df.Species == 'Smelt']['Weight'].to_list()

>[9.8, 10.5, 10.6, 11.0, 11.2, 11.3, 11.8, 11.8, 12.0, 12.2, 12.4, 13.0, 14.3, 15.0]
[6.7, 7.5, 7.0, 9.7, 9.8, 8.7, 10.0, 9.9, 9.8, 12.2, 13.4, 12.2, 19.7, 19.9]

feature

• 데이터의 특징/특성

• 데이터를 표현하는 성질

• 두 생선의 데이터 분포를 한번에 시각화

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

• 좌 하단이 빙어의 산점도 데이터/ 우 상단이 도미의 산점도 데이터
• 빙어, 도미 모두 비슷하게 길이와 무게가 비례하지만, 늘어나는 정도가 다르다. 즉 빙어의 산점도도 선형적이긴 하지만 무게가 길이에 영향을 덜 받는다고 할 수 있다

머신러닝의 입력input 데이터 준비

• feature vector 형태로 준비

K-최근접 이웃 (k-Nearest Neighbors,KNN) 알고리즘을 사용하여 도미와 빙어 데이터 구분

• 도미와 빙어 데이터 합치기

length=bream_length+smelt_length
weight=bream_weight+smelt_weight 

scikit-learn 에서는 data를 각 특성들의 배열 형태로 만들어야 한다⇒2차원 배열

   길이   무게
[   ↓     ↓
  [25.4, 242.0],
  [26.3, 290.0],
  [26.5, 340.0],
  ...
  [15.0, 19.9]
]

이를 입력(input)이라고도 하고 feature vector 라고도 한다

fish_data=[[l,w] for l,w in zip(length,weight)]

>[[25.4, 242.0], [26.3, 290.0], [26.5, 340.0], [29.0, 363.0], [29.0, 430.0], [29.7, 450.0], [29.7, 500.0], [30.0, 390.0], [

머신러닝의 답안 준비

• 지도학습에서는 입력데이터에 대한 답안이 필요하다
• 이를 label 혹은 target 이라 한다
• 머신러닝 알고리즘은 이를 계산 가능한 숫자 형태로 알려주어야 한다

도미는 1로, 빙어는 0으로 표현된 답안 준비

fish_target=[1]* 35 +[0]*14
print(fish_target)
>[1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 0..

머신러닝의 모델 준비

• 모델이란 머신러닝 알고리즘을 구현한 프로그램, 혹은 알고리즘을 구체화 하여 표현한 것
• KNN 분류모델

from sklearn.neighbors import KNeighborsClassifier 

• 모델 객체 생성

kn = KNeighborsClassifier() 

• KNeighborsClassifier

  **KNeighborsClassifier**
  
  https://scikit-learn.org/stable/modules/generated/sklearn.neighbors.KNeighborsClassifier.html
  
  ```python
  class sklearn.neighbors.KNeighborsClassifier(
    n_neighbors=5,
    *,
    weights='uniform',
    algorithm='auto',
    leaf_size=30,
    p=2,
    metric='minkowski',
    metric_params=None,
    n_jobs=None)

• KNN(k-최근접 이웃,k-Nearest Neighbors 알고리즘)이란? 어떤 데이터에 대한 답을 구할때 주변의 다른데이터를 보고 다수를 차지하는 것을 정답으로 사용함 EX. length:30, weight: 600 ← 이 생선은 도미인가 빙어인가

  plt.scatter(bream_length, bream_weight)
  plt.scatter(smelt_length, smelt_weight)
  plt.scatter(30,600,marker='^')
  plt.xlabel('length')
  plt.ylabel('weight')
  plt.show()

  
  

모델 학습하기

• training (훈련) 혹은 fitting(적합) 한다 라고도 함
• 주어진 모델에 주어진 데이터를 통해 규칙을 찾아가는 과정
• 모델 알고리즘을 구성하는 각종 파라미터 값들이 입력된 데이터를 학습하면서 최적의 값으로 변화되어 간다

kn.fit(fish_data,fish_target)

학습한 결과 : 정확도

• 얼마나 잘 학습했는지 점수로 확인
• score(data,target)⇒0.0~1.0 사이값
  • 1.0은 100% 맞춘다는 뜻

kn.score(fish_data,fish_target)
>1.0

학습된 모델을 통해 예측하기

predict

• 학습한 모델에 새로이 관측된 데이터를 넣어 예측 결과 리턴
• 예측에는 target 값 필요X
• predict()의 입력데이터도 feature 들의 배열로 넣어주어야 한다
• 리턴값은 예측값들의 배열

kn.predict([[30,600]])
>array([1])

kn.predict([
		[30,600],
		[16,30],
	])
	
>array([1,0])