붓꽃의 품종분류

[minji-o-j]

용어

• Task (목표)
  • 어떤 품종인지 구분해 놓은 측정 데이터를 이용해, 새로 채집한 붓꽃의 품종을 예측하는 머신러닝 모델을 만들자.
• 지도학습(Supervised learning)
  • 붓꽃의 품종을 정확하게 분류한 데이터를 가지고 있음
  • 레이블 o
• 분류문제(Classification)
  • 몇 가지 선택사항(품종) 중 하나를 선택하는 문제
• 클래스(Class)
  • 출력될 수 있는 값(붓꽃의 종류) - 3가지
• 레이블(Label)
  • 특정 데이터 포인트에 대한 출력 (특정 데이터의 품종)

[minji-o-j]

X_train, X_test, y_train, y_test = train_test_split(c_data, data['binaryQuality'],test_size=0.3,random_state=0)
X_test, X_val, y_test, y_val  = train_test_split(X_test, y_test,test_size=0.5,random_state=0)

• train:test:valid를 70:15:15로 나눈 코드
• train_test_split : 데이터셋을 섞어서 나눠준다.
  • 데이터가 모여있는 경우 섞지 않은 채로 이용하면, train set의 레이블은 모두 2가 되는 등 치우침 현상 발생 가능.
• 이 작업을 여러번 수행해도 결과가 같게 하는법?
  • random_state에 난수 초기값을 같은걸로 전달하면 됨
  • random_state=42 등..
• 반환되는 X_train, y_train, X_valid, 등...은 모두 NumPy 배열

[minji-o-j]

데이터 살펴보기

왜 하는걸까?

• 머신러닝 모델 만들기 전에 머신러닝 없이도 풀 수 있는 문제가 아닌지, 필요 정보 누락되지 않았는지 에 대한 데이터 조사
• 비정상적인 값이나 특이한 값을 찾을 수도 있음
  • ex) 단위의 통일이 안되어있는 경우
  • 데이터 일관성X, 이상한 값

하는 방법

• 시각화
• 산점도 이용
• 3개 이상의 특성을 표현하기 어렵다.

[minji-o-j]

k-Nearest Neighbors, k-NN

• 새로운 데이터 포인트에 가장 가까운 ‘k개’의 이웃을 찾음
  
  

• n_neighbors=1 가장 가까운 1개의 이웃 찾음

• .fit : 훈련 데이터셋으로부터 모델을 만들기 위해서는 knn 객체의 fit method 사용 필요

• knn 객체 자체가 변경됨(데이터로 훈련됨)

[minji-o-j]

예측하기

---

모델 평가하기