2학기 때 배웠던 내용을 까먹을까봐 방학 때 복습을 하고자 한다.
정말 많은 모델을 배웠는데 일단 기초적인 것부터 차근차근 다시 공부하고, 공부했던 모델들은 각각의 모델을 하나하나 자세하게 살펴봐야겠다.
Sklearn : 파이썬 머신러닝 라이브러리 sklearn tutorial
💻 뉴스데이터 loading 하기
from sklearn.datasets import load_files
from sklearn.datasets import fetch_20newsgroups
categories = {'alt.atheism', 'soc.religion.christian', 'comp.graphics', 'sci.med'}
twenty_train = fetch_20newsgroups(subset='train', categories=categories, shuffle=True, random_state=0)이렇게 카테고리에 해당하는 data들을 가져올 수 있다.
💻 sklearn의 feature_names
data : data set
target : label (array)
target_names : 개별 label 이름
feature_names : 개별 feature 이름
DESCR : data set, feature에 대한 설명
print(len(twenty_train.data))
print(twenty_train.target)
print(twenty_train.target_names)
print(twenty_train.data[0].split("\n")[:3])
print(twenty_train.DESCR)
print(twenty_train.filenames[0])💻 붓꽃데이터 loading 하기 (iris)
from sklearn.datasets import load_iris
iris = load_iris() # 붓꽃데이터 loading
iris_data = iris.data
iris_label = iris.target
# 데이터프레임으로 data 확인하기
import pandas as pd
iris_df = pd.DataFrame(data=iris_data, columns=iris.feature_names)
iris_df["Label"] = iris.target # label column 추가
print(iris_df)💻 train data, test data split 하기
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(iris_data, iris_label, test_size=0.2, random_state=7)
print('X_train 개수:', len(X_train), ', X_test 개수:', len(X_test))test_size : test data의 비율
💻 의사결정나무를 이용하여 학습, 예측, 정확도 측정
from sklearn.tree import DecisionTreeClassifier
# DecisionTreeClassifier 객체 생성
dt_clf = DecisionTreeClassifier(random_state=11)
# 학습 수행
dt_clf.fit(X_train, y_train)
# 테스트 데이터로 예측 수행
pred = dt_clf.predict(X_test)
print(pred)
# 정확도 측정
from sklearn.metrics import accuracy_score
print('예측 정확도: {0:.4f}'.format(accuracy_score(y_test, pred)))