개요

도미와 빙어의 데이터를 활용하여 물고기의 길이와 무게를 기반으로 도미와 빙어를 분류하는 모델 만들기

학습

1. 데이터 수집

# 도미 데이터
bream_length = [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]
bream_weight = [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]

# 빙어 데이터
smelt_length = [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]
smelt_weight = [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]

학습할 도미와 빙어의 길이와 무게 데이터

2. 시각화

plt.scatter(bream_length, bream_weight)
plt.scatter(smelt_length, smelt_weight)
plt.xlabel('length') #x축 : 길이
plt.ylabel('weight') #y축 : anrp
plt.show()

*matplotlib 을 사용하여 도미와 빙어 데이터를 산점도로 시각화한다. 이를 통해 도미와 빙어 데이터의 분포를 확인할 수 있다.

💡matplotlib
기본적인 도표, 차트, 플롯을 만들기 위한 파이썬 라이브러리이다. 데이터를 시각화하여 그래프나 도표를 그리는데 사용된다.
Matplotlib은 다양한 형식의 그래프를 지원하며, 선 그래프, 막대 그래프, 히스토그램, 산점도 등을 생성할 수 있다.

3. 데이터 준비

length = bream_length + smelt_length
weight = bream_weight + smelt_weight

fish_data = [[l, w] for l, w in zip(length, weight)]
# [[25.4, 242.0], [26.3, 290.0], ... [15.0, 19.9]]

fish_target = [1] * 35 + [0] * 14
# [1, 1, 1, 1, 1, 1, 1, ... 0, 0, 0, 0, 0]

도미와 빙어 데이터를 하나의 리스트로 합치고, 각각의 데이터에 대해 도미는 1, 빙어는 0으로 레이블링한 fish_data와 fish_target을 준비한다.

💡 zip
zip함수는 여러 개의 리스트를 인자로 받아 각 리스트에서 동일한 인덱스에 위치한 요소를 묵어주는 역할을 한다.
길이와 무게의 리스트를 묶어 fish_data에 할당하였다.

4. 모델 학습

from sklearn.neighbors import KNeighborsClassifier

kn = KNeighborsClassifier()

kn.fit(fish_data, fish_target)

kn.score(fish_data, fish_target)

sklearn.neighbors 모듈의 KNeighborsClassifier를 사용하여 k-최근접 이웃 분류기를 만들었다.
fit 메서드를 사용하여 모델을 학습 시켰고, score메서드를 사용하여 모델의 정확도를 평가했다.

5. 예측

# k-최근접 이웃 알고리즘
plt.scatter(bream_length, bream_weight)
plt.scatter(smelt_length, smelt_weight)
plt.scatter(30, 600, marker="^")
plt.xlabel('length') #x축 : 길이
plt.ylabel('weight') #y축 : anrp
plt.show()

kn.predict([[30, 600]])

특정 길이와 무게를 가진 물고기 데이터를 산점도에 표시하고, 해당 데이터를 분류하기 위해 모델에 예측을 요청하였다.
(길이 30, 무게 600을 가진 물고기(세모)는 도미로 분류)